PaddleX/latest/en/module_usage/tutorials/ocr_modules/text_recognition

[giscus[bot]]

PaddleX/latest/en/module_usage/tutorials/ocr_modules/text_recognition

https://paddlepaddle.github.io/PaddleX/latest/en/module_usage/tutorials/ocr_modules/text_recognition.html

[happyhaix]

现在只有mobile或者server模型了吗，类似PP-OCRv4_rec_infer的普通模型还有吗

[cuicheng01]

模型名字有过一次统一更改，PP-OCRv4_rec_infer就是现在的PP-OCRv4_mobile_rec_infer

[Dazui-Wang]

4.1.2 节中，数据校验 的 main.py 文件是哪个文件？

[Dazui-Wang]

在官方github下载了paddlex文件，可以了

[nmmny]

按照上面的教程训练PP-OCRv5_server_rec模型，各种报错，能提供更详细的训练教程吗

[liuhongen1234567]

您好，具体是什么错误呢？目前 PaddleOCR也是支持PP-OCRv5_server_rec模型训练的，可以参考文档 https://paddlepaddle.github.io/PaddleOCR/main/version3.x/module_usage/text_recognition.html#_5

[reddsfan5]

在这个新版本里，文本识别模块 不需要指定识别相关的参数了么。比如图像输入尺寸什么的。

[reddsfan5]

看了下源码，有文本识别可传入一个额外参数： input_shape
class TextRecognition(PaddleXPredictorWrapper):
def init(
self,
*,
input_shape=None,
**kwargs,
):
self._extra_init_args = {
"input_shape": input_shape,
}
super().init(**kwargs)

@property
def default_model_name(self):
    return "PP-OCRv5_server_rec"

@classmethod
def get_cli_subcommand_executor(cls):
    return TextRecognitionSubcommandExecutor()

def _get_extra_paddlex_predictor_init_args(self):
    return self._extra_init_args

[reddsfan5]

还有一些通用参数

[liuhongen1234567]

您好，输入尺寸不需要指定，其他参数可以根据自身需求的实际情况进行调整。

[AndrewHu2024]

在哪里可以配置ocr 识别的私有字典？

[liuhongen1234567]

您好，可以通过character_dict_path字段配置私有字典，具体位置如下：https://github.com/PaddlePaddle/PaddleOCR/blob/15ea6f19f46143fd3392add5c4abcbe48d6ef86e/configs/rec/PP-OCRv5/PP-OCRv5_server_rec.yml#L18

[AndrewHu2024]

paddlex二次开发模式呢？ 没找到这个参数，我知道用ocr的微调可以设置字典。

[AndrewHu2024]

就是用本页面提到的训练命令。
python main.py -c paddlex/configs/modules/text_recognition/PP-OCRv4_mobile_rec.yaml
-o Global.mode=evaluate
-o Global.dataset_dir=./dataset/ocr_rec_dataset_examples

如何设置新字典？ PP-OCRv4_mobile_rec.yaml好像没有这个参数。

[liuhongen1234567]

您好，paddleocr的字典在数据集里面，更新数据集内的字典即可。paddlex会自动读取 /ocr_rec_dataset_examples下的字典文件

[Heyao-li]

文本识别是否可以输入边界框，然后检测边界框中的文本。

[liuhongen1234567]

您好，文本识别模块不支持输入边界框，建议直接将文本裁剪出来输入给识别模块。另外，如果想要检测编辑框，为什么不直接使用OCR产线呢？具体的使用教程如下： https://www.paddleocr.ai/latest/version3.x/pipeline_usage/OCR.html

[TodayCG]

我有很多手写的文件照片，我发现直接使用PP-OCRv5_server_rec识别不准确，我是否应该参考本篇进行训练，比如我是用ppocrlabel标注500页照片，然后按照文档进行训练，我理解的这个对吗

[UGhost-X]

这个我没太理解，为什么一会用python脚本一会用命令行，这个能不能都在脚本内处理，搞得我有点乱呀