使用hub部署PaddleOCR

概述

　　目前有一些处理证件照片、资质照片的业务需求，已经尝试过 llava-llama3​ 与 llama3.2-vision​，表现都不佳，要么不能正确 ocr 出文字，要么在胡言乱语。

　　对比了一众开源 OCR 的在线体验服务后，发现 PaddleOCR 的能力尤为突出。即便图片存在水印、字体模糊，仍能保持极高的准确度。准备在项目部署一套 ocr 识别，搭配 ai 再处理处理图片内容。

　　对比参考的大神，同样使用了 docker 运行在 cpu 环境，这里更新了版本，如下：

• ​paddlepaddle​ 3.0.0b2 ​测试版
• ​paddlehub​ 2.4.0
• ​PaddleOCR​ gitee 项目地址 (main@7bbda2bcd27811b961d0bd0cf665c548c7d63cf2)

　　当前时间（2024-11-19）

基本流程

　　参考文档的流程已经足够准确，这里概述一下

1. 下载、运行 paddlepaddle​ 镜像，并进入容器终端, 版本参考: https://hub.docker.com/r/paddlepaddle/paddle/tags

   如果有支持的 gpu，选择类似 3.0.0b2-gpu-cuda12.3-cudnn9.0-trt8.6​ ​tag 的进行

    docker pull paddlepaddle/paddle:3.0.0b2
    docker run -p 9997:9997 --name ppocr -it paddlepaddle/paddle:3.0.0b2 bash
   

2. 安装 paddlehub​：

   pip3 install paddlehub==2.4.0 --upgrade
   

3. 下载 PaddleOCR​ 并安装依赖：

   cd /home 
   git clone https://gitee.com/paddlepaddle/PaddleOCR.git 
   cd PaddleOCR 
   pip3 install -r requirements.txt
   

4. 下载模型：

   mkdir inference  
   cd inference 
   wget https://paddleocr.bj.bcebos.com/PP-OCRv3/chinese/ch_PP-OCRv3_det_infer.tar 
   wget https://paddleocr.bj.bcebos.com/PP-OCRv3/chinese/ch_PP-OCRv3_rec_infer.tar 
   wget https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_cls_infer.tar 
   wget https://paddleocr.bj.bcebos.com/ppstructure/models/slanet/ch_ppstructure_mobile_v2.0_SLANet_infer.tar 
   tar xf ch_ppstructure_mobile_v2.0_SLANet_infer.tar 
   for i in $(ls *.tar);do tar xvf $i;done && rm -f *.tar
   

5. 处理 protobuf​ ​报错，这有两个方式(当前版本 4.25.1)

   1. ​echo "export PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=python" >> ~/.bashrc && source ~/.bashrc​
   2. ​pip uninstall protobuf && pip install protobuf==3.20.2​

6. 安装 ocr_system​ :

   hub install deploy/hubserving/ocr_system
   

   ‍

　　到目前为止，贴合默认配置。下面是可能会变动的配置

1. ​文本检测+文本方向分类+文本识别(ocr_system)​ 模型路径配置文件： deploy/hubserving/ocr_system/params.py​
2. ​文本检测+文本方向分类+文本识别(ocr_system)​ 模型运行配置文件：deploy/hubserving/ocr_system/config.json​ 用于修改默认端口、配置是否允许使用 gpu、配置进程数量
3. ​表格识别服务(structure_table) ​模型路径配置文件： /deploy/hubserving/structure_table/param.py​ 这里默认是英文表格，识别中文需要改成下载的模型路径、字典文件路径

　　最后就是启动服务：

1. 容器内启动服务： hub serving start -m ocr_system structure_table -p 9997​

2. 打包镜像启动，因为必须要 cd 到/home/PaddleOCR 下才能使用启动命令，所以可以创建一个启动脚本或者设置 workdir

   1. touch /home/PaddleOCR/userStart.sh
      echo -e "cd /home/PaddleOCR \nhub serving start -m ocr_system structure_table -p 9997" > /home/PaddleOCR/userStart.sh
      docker commit -m="描述信息" -a="作者" ppocr ppocr:test 
      docker run ppocr-test ppocr:test /home/PaddleOCR/userStart.sh
      

      ‍

   2. docker commit -m="描述信息" -a="作者" ppocr ppocr:test 
      docker run ppocr-test -w/home/PaddleOCR ppocr:test hub serving start -m ocr_system structure_table -p 9997
      

   3. 使用 Dockerfile,

      docker commit -m="描述信息" -a="作者" ppocr ppocr:test 
      touch Dockerfile
      echo -e "FROM ppocr:test\nWORKDIR /home/PaddleOCR\nCMD hub serving start -m ocr_system structure_table -p 9997" > Dockerfile
      

参考：

• 铁皮鸭子博客
• 官方文档
• 官方模型下载地址