烟台网站建设科技哪个搜索引擎最好用

使用OpenVIN.CSharp.API在C#平台快速部署PP-OCRv5模型识别文本

  PP-OCRv5是百度开源的高效OCR系统，通过轻量化SLANet网络提速20%，优化多尺度特征融合提升小文本识别，支持80+语言，显著降低复杂场景错误率，适用于移动端/服务器端部署。
 
  在本文中，将演示如何使用的OpenVINO.CSharp.API.Extensions.PaddleOCR NuGet Package快速在Intel CPU平台落地PP-OCRv5模型

项目链接：

#OpenVINO.CSharp.API
https://github.com/guojin-yan/OpenVINO-CSharp-API.git
#OpenVINO.CSharp.API.Extensions.PaddleOCR
https://github.com/guojin-yan/PaddleOCR-OpenVINO-CSharp.git

1. OpenVINO.CSharp.API.Extensions.PaddleOCR

  为了帮助各位开发者实现快速部署PaddleOCR模型，前期我们推出了OpenVINO.CSharp.API.Extensions.PaddleOCR NuGet Package，实现在英特尔任意CPU平台块数快速落地PaddleOCR，并受到了大家广泛的关注和应用支持。在PP-OCRv5推出后，我们也做了测试，所推出的OpenVINO.CSharp.API.Extensions.PaddleOCR NuGet Package对PP-OCRv5也做到了完全支持，通过切换模型和字典，便可以实现PP-OCRv5的轻松部署。同时为了方便大家使用，对当前主流框架做了支持，如下所示：

  此次，我们对OpenVINO.CSharp.API.Extensions.PaddleOCR NuGet Package作了进一步升级，升级了对OpenVINO™和OpenCvsharp的最新支持，并对 PP-OCRv5 部署作了进一步优化，同时新增了PP-OCRv5 快速部署接口，方便大家使用。

2.模型导出

  PP-OCRv5使用的是PaddlePaddle 3.0，目前PaddlePaddle 3.0 模型格式发生了显著变化，静态图模型存储文件名由 xxx.pdmodel 改为 xxx.json，同时模型整体适配飞桨 3.0 中间表示技术（PIR），拥有更加灵活的扩展能力和兼容性。目前OpenVINO™还在对PaddlePaddle 3.0做适配，因此目前无法读取PaddlePaddle 3.0导出的模型，需要将其转化为ONNX格式。

模型导出参考了大佬们的解决方案，原文链接为：

https://github.com/openvino-book/PP-OCRv5_OpenVINO/blob/main/How%20to%20export%20PP-OCRv5%20model.md

Step 1: 创建虚拟环境

conda create -n ppocrv5_ov python=3.11
conda activate ppocrv5_ov

Step 2: 安装依赖项

安装必要的依赖项：

pip install paddlepaddle
pip install paddleocr
pip install onnx==1.16.0
paddleocr install_hpi_deps cpu
paddlex --install paddle2onnx

  备注：如果你使用的是Windows环境，在安装paddlepaddle时，请安装最新的编译版本，安装指令如下：

python -m pip install --pre paddlepaddle -i https://www.paddlepaddle.org.cn/packages/nightly/cpu/

  如果上述指令安装后依旧为PaddlePaddle 3.0.0版本，请前往https://www.paddlepaddle.org.cn/packages/nightly/cpu/网站自行下载安装包安装。

Step 3: 下载官方 PP-OCRv5 训练模型

  如果你的电脑安装了wget指令，可以直接运行一下指令进行下载，如果未安装，可以直接在浏览器输入以下链接直接下载：

# Download and unzip PP-OCRv5_server_det pre-trained model
wget https://paddle-model-ecology.bj.bcebos.com/paddlex/official_inference_model/paddle3.0.0/PP-OCRv5_server_det_infer.tar && tar -xvf PP-OCRv5_server_det_infer.tar# Download and upzip PP-OCRv5_server_rec pre-trained model
wget https://paddle-model-ecology.bj.bcebos.com/paddlex/official_inference_model/paddle3.0.0/PP-OCRv5_server_rec_infer.tar && tar -xvf PP-OCRv5_server_rec_infer.tar# Download and upzip PP-OCRv5_server_cls pre-trained model
wget https://paddle-model-ecology.bj.bcebos.com/paddlex/official_inference_model/paddle3.0.0/PP-LCNet_x1_0_doc_ori_infer.tar && tar -xvf PP-LCNet_x1_0_doc_ori_infer.tar

Step 4: 导出ONNX格式的 PP-OCRv5 模型

  输入以下指令，便可以实现模型格式转化：

# Export PP-OCRv5_server_det to ONNX
paddlex --paddle2onnx --paddle_model_dir ./PP-OCRv5_server_det_infer --onnx_model_dir ./PP-OCRv5_server_det_onnx
# Export PP-OCRv5_server_rec to ONNX
paddlex --paddle2onnx --paddle_model_dir ./PP-OCRv5_server_rec_infer --onnx_model_dir ./PP-OCRv5_server_rec_onnx
# Export PP-OCRv5_server_cls to ONNX
paddlex --paddle2onnx --paddle_model_dir ./PP-LCNet_x1_0_doc_ori_infer --onnx_model_dir ./PP-OCRv5_server_cls_onnx

  如果大家觉得下载转换繁琐，此处我已经给大家转换好并放在GitHub上，链接为：

https://github.com/guojin-yan/PaddleOCR-OpenVINO-CSharp/releases/tag/Modelv5

  大家可以根据自己需要自行下载，或加入QQ交流群，通过群文件进行下载，QQ技术交流群为：945057948

3.创建项目工程

  在Windows平台开发者可以使用Visual Studio平台开发程序，但无法跨平台实现，为了实现跨平台，此处采用dotnet指令进行项目的创建和配置。

  首先使用dotnet创建一个测试项目，在终端中输入一下指令：

dotnet new console --framework net6.0 --use-program-main -o paddleocr

  项目框架此处可以根据需要自行选择，支持多种框架。

  此处以Windows平台为例安装项目依赖，首先是安装最重要的项目依赖，PaddleOCR部署接口：OpenVINO.CSharp.API.Extensions.PaddleOCR NuGet Package，在命令行中输入以下指令即可：

dotnet add package OpenVINO.CSharp.API.Extensions.PaddleOCR

  同时还需要安装OpenVINO™ C# API运行时依赖和OpenCvSharp4运行时依赖：

dotnet add package OpenVINO.runtime.win
dotnet add package OpenCvSharp4.runtime.win

  最后在主函数文件里添加以下代码即可：

using OpenCvSharp;
using OpenVinoSharp.Extensions.model.PaddleOCR;
using System.Diagnostics;namespace paddleocrv5
{internal class Program{static async Task Main(string[] args){// 下面代码会自动下载模型，直接运行即可// 模型存放在GitHub，网络会影响下载速度，如果无法下载可以在QQ交流群(945057948)中下载，并运行test_ocr_v5()进行验证OnlineOcr ocr = await Pipeline.GetOnlineOCR(Language.PP_OCRv5_mobile);Tuple<List<OCRPredictResult>, Mat> ocr_result = ocr.ocr_test();PaddleOcrUtility.print_result(ocr_result.Item1);Mat image = PaddleOcrUtility.visualize_bboxes(ocr_result.Item2, ocr_result.Item1);Cv2.ImShow("Result", image);Cv2.WaitKey(0);}/// <summary>/// 下面代码可以通过手动下载模型进行测试/// </summary>static void test_ocr_v5(){// 替换为自己的路径string image_path = @"E:\Data\ocr\11.jpg";string det_model = @"E:\Model\ocr\PP-OCRv5_mobile_det_onnx.onnx";string cls_model = @"E:\Model\ocr\PP-OCRv5_mobile_cls_onnx.onnx";string rec_model = @"E:\Model\ocr\PP-OCRv5_mobile_rec_onnx.onnx";Mat image = Cv2.ImRead(image_path);RuntimeOption.RecOption.label_path = @"E:\Model\ocr\ppocrv5_dict.txt";OCRPredictor ocr = new OCRPredictor(det_model, cls_model, rec_model);List<OCRPredictResult> ocr_result = ocr.ocr(image, true, true, true);Stopwatch sw = new Stopwatch();sw.Start();ocr_result = ocr.ocr(image, true, true, true);sw.Stop();PaddleOcrUtility.print_result(ocr_result);Mat result = PaddleOcrUtility.visualize_bboxes(image, ocr_result);Console.WriteLine("总推理时间： " + sw.ElapsedMilliseconds + " ms");Cv2.ImShow("result", result);string result_path = Path.Combine(Path.GetDirectoryName(image_path), Path.GetFileNameWithoutExtension(image_path) + "_result.jpg");Cv2.ImWrite(result_path, result);Cv2.WaitKey(0);}}
}

  上面提供了两种测试方式，一种是**Main()**方法里面运行的直接下载模型和测试文件并直接进行推理，无需准备任何模型文件和图片，即可进行体验。void test_ocr_v5() 方法里，需要用户自行准备模型，并修改路径即可运行测试。

  为了防止大家配置出错，同时提供了配置完整的项目工程，大家可以加入技术交流群自行下载，QQ技术交流群为：945057948

4.运行测试

  接下来输入项目编译指令进行项目编译，输入以下指令即可：

dotnet build

  接下来运行编译后的程序文件，在CMD中输入以下指令，运行编译后的项目文件：

dotnet run --no-build

运行后项目输出为：

  此外，我们还给大家演示了更加复杂识别，结果如下：

手写字体识别：

登机牌识别：

5.总结

  OpenVINO.CSharp.API.Extensions.PaddleOCR NuGet Package工具通过底层封装，将PaddleOCR的推理和前后处理集成在了一起，方便大家使用，对于初学者十分友好。但是封装的接口可能无法满足更多开发者的需求，因此建议有技术的开发者们下载源码，根据自己需求自行修改配置，使其更加灵活。

  如果各位开发者在使用有任何疑问，欢迎通过下面方式进行交流：