印地语-英语OCR

---

本文介绍利用PaddleOCR训练调优印地语-英语OCR模型的过程。先配置环境、准备检测和识别数据，再训练检测模型并通过自蒸馏调优，使H-mean提升约15.2%；训练识别模型并以enhanced_ctc调优，准确率提升2%左右。最后将模型转成inference和serving模型，完成部署与服务请求。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

印地语-英语OCR训练与调优

• 有些公司在海外，比如印度有诸多业务，有时需要对印度网上的图片信息进行提取，而文字是最有用的信息，方便后续的分析。印度的官方语言包括英语和印地语，因此图片上经常会出现印地语和英语混杂出现的情况。这时就需要有能同时检测和识别印地语-英语的模型。PaddleOCR提供了一系列套件能快速训练一个检测模型和识别模型，并借助paddle serving进行快速部署。
• 本案例采集并标注了202张图像用于检测模型训练和验证，生成了10000张图像用于识别模型训练，标注了138张真实场景下的图像用于识别模型验证。以下文档包含了检测模型训练和调优、识别模型训练和调优、模型推理部署三个部分。
• 所有训练好的模型和配置均在output文件夹里

1. 环境配置以及数据准备

1.1 环境配置

运行下方代码，拉取PaddleOCR以及安装PaddleOCR的依赖库。

import os
import sys# 下载代码os.chdir("/home/aistudio/work/")
!git clone https://gitee.com/paddlepaddle/PaddleOCR.git# 切换工作目录os.chdir("/home/aistudio/PaddleOCR/")# 安装依赖!pip install -U pip
!pip install -r requirements.txt

       

1.2 数据准备

• 检测数据已开源：https://aistudio.baidu.com/aistudio/datasetdetail/124124015
• 识别数据已开源：https://aistudio.baidu.com/aistudio/datasetdetail/124124014
• 当前项目已默认加载这两个数据集，运行下方代码解压数据集到work文件夹下。

# 创建文件夹!mkdir ~/work/detection
!mkdir ~/work/recognition# 复制和解压检测数据!cp ~/data/data124124015/train.txt ~/work/detection
!cp ~/data/data124124015/test.txt ~/work/detection
!tar xf ~/data/data124124014/imgs.tar -C ~/work/detection# 复制和解压识别数据!cp ~/data/data124124014/train.txt ~/work/recognition
!cp ~/data/data124124014/test.txt ~/work/recognition
!cp ~/data/data124124014/hindi.txt ~/work/recognition
!tar xf ~/data/data124124014/train_img.tar -C ~/work/recognition
!tar xf ~/data/data124124014/test_img.tar -C ~/work/recognition

   

2. 检测模型训练和调优

2.1 预训练模型准备

为了加速训练，采用ppocr的原始超轻量模型。运行下方代码准备预训练模型。

import os
os.chdir("/home/aistudio/work/PaddleOCR/")# 创建预训练模型目录!mkdir pretrain_models
os.chdir("/home/aistudio/work/PaddleOCR/pretrain_models")# 下载并解压预训练模型!wget https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_det_train.tar && tar xf ch_ppocr_mobile_v2.0_det_train.tar

       

2.2 模型训练

先修改./configs/det/ch_ppocr_v2.0/ch_det_mv3_db_v2.0.yml配置文件，主要包括预训练模型路径、数据集路径两部分，此外还有模型验证步数、训练图像尺寸改变、验证图像尺寸改变等。（本项目中配置文件已修改）

Global:
  └─save_model_dir: ./output/ch_db_mv3_original/
  └─eval_batch_step: [0, 18]
  └─pretrained_model: ./pretrain_models/ch_ppocr_mobile_v2.0_det_train/best_accuracy
Train:
  └─dataset
	└─data_dir: /home/aistudio/work/detection/imgs
	└─label_file_list: /home/aistudio/work/detection/train.txt
    └─transforms:
      └─EastRandomCropData:
        └─size: [640, 640]  # 改小尺寸加快训练Eval:
  └─dataset
    └─data_dir:/home/aistudio/work/detection/imgs
	└─label_file_list: /home/aistudio/work/detection/test.txt
    └─transforms:
      └─DetResizeForTest:
        └─image_shape: [1280, 736]  # 图像大多是竖着的，因此改成高>宽

       

然后运行下方代码启动训练。

!python3 tools/train.py -c ./configs/det/ch_ppocr_v2.0/ch_det_mv3_db_v2.0.yml

       

2.3 模型调优

模型调优采用自蒸馏算法，修改./configs/det/ch_PP-OCRv2/ch_PP-OCRv2_det_dml.yml配置文件，学生1加载2.2训练好的模型，学生2加载预训练模型，其余配置跟2.2保持一致。

Global:
  └─save_model_dir: ./output/ch_db_mv3_dml/
  └─eval_batch_step: [0, 36]
Architecture:
  └─Models:
    └─Student:
      └─pretrained: ./output/ch_db_mv3_original/best_accuracy
    └─Student2:
      └─pretrained: ./pretrain_models/ch_ppocr_mobile_v2.0_det_train/best_accuracy

       

运行下方代码启动训练

!python3 tools/train.py -c ./configs/det/ch_PP-OCRv2/ch_PP-OCRv2_det_dml.yml

       

2.4 测试集评估

分别测试预训练模型、微调后模型和调优后模型的Precision、Recall、H-mean（F-Score）指标。

# 原始模型!python3 tools/eval.py -c configs/det/ch_ppocr_v2.0/ch_det_mv3_db_v2.0.yml  -o Global.checkpoints="./pretrain_models/ch_ppocr_mobile_v2.0_det_train/best_accuracy"# Finetune后模型!python3 tools/eval.py -c configs/det/ch_ppocr_v2.0/ch_det_mv3_db_v2.0.yml  -o Global.checkpoints="./output/ch_db_mv3_original/best_accuracy"# 调优后模型!python3 tools/eval.py -c configs/det/ch_PP-OCRv2/ch_PP-OCRv2_det_dml.yml  -o Global.checkpoints="./output/ch_db_mv3_dml/best_accuracy"

       

获得结果如下，经过finetune后的模型在综合指标H-mean上比原先提升15%左右，经过蒸馏调优后能再提升0.2%左右。

Model	Precision	Recall	H-mean
PP-OCR mobile	0.6996	0.8451	0.7655
PP-OCR mobile finetune	0.9048	0.9248	0.9147
PP-OCR mobile distill	0.9087	0.9248	0.9167

3. 识别模型训练和调优

3.1 预训练模型准备

为了加速训练，采用ppocr的梵文预训练模型来加速训练。运行下方代码准备预训练模型。

import os
os.chdir("/home/aistudio/work/PaddleOCR/pretrain_models")# 下载并解压预训练模型!wget https://paddleocr.bj.bcebos.com/dygraph_v2.0/multilingual/devanagari_ppocr_mobile_v2.0_rec_train.tar && tar xf devanagari_ppocr_mobile_v2.0_rec_train.tar

       

3.2 模型训练

先修改./configs/rec/multi_language/rec_devanagari_lite_train.yml配置文件，主要包括预训练模型路径、数据集路径等。（本项目中配置文件已修改）

Global:
  └─save_model_dir: ./output/rec_hindi_en
  └─eval_batch_step: [0, 120]
  └─save_epoch_step: 30
  └─pretrained_model: ./pretrain_models/ch_ppocr_mobile_v2.0_det_train/best_accuracy
  └─character_dict_path: /home/aistudio/work/recognition/hindi.txt
  └─max_text_length: 70
  └─use_space_char: falseTrain:
  └─dataset
	└─data_dir: /home/aistudio/work/recognition/TrainImages
	└─label_file_list: /home/aistudio/work/recognition/train.txt
    └─transforms:
      └─RecAug:
        └─use_tia: false  # 不使用tia增强
Eval:
  └─dataset
    └─data_dir: /home/aistudio/work/recognition/TestImages
	└─label_file_list: /home/aistudio/work/recognition/test.txt

       

然后运行下方代码启动训练。

!python3 tools/train.py -c ./configs/rec/multi_language/rec_devanagari_lite_train.yml

       

3.3 模型调优

模型调优采用enhanced_ctc算法，增加./configs/rec/multi_language/rec_devanagari_lite_enhanced_ctc.yml配置文件，需要修改的地方如下，其余配置跟3.2保持一致。

Global:
  └─save_model_dir: ./output/rec_hindi_en_enhanced_ctc
  └─pretrained_model: ./output/rec_hindi_en/best_accuracy
  
Architecture:
  └─Head:
    └─return_feats: true
Loss:
  └─name: CombinedLoss
  └─loss_config_list:
    └─CTCLoss:
      └─use_focal_loss: false
      └─weight: 1.0
    └─CenterLoss:
      └─weight: 0.05
      └─num_classes: 176
      └─feat_dim: 96
      └─center_file_path: ./train_center.pkl

       

采用这种方法需要先生成center文件，运行下面代码生成train_center.pkl文件

!python tools/export_center.py -c ./configs/rec/multi_language/rec_devanagari_lite_train.yml -o Global.pretrained_model="./output/rec_hindi_en/best_accuracy"

       

运行下方代码启动训练

!python3 tools/train.py -c ./configs/rec/multi_language/rec_devanagari_lite_enhanced_ctc.yml

       

3.4 测试集评估

分别测试微调后模型和调优后模型的Accuracy指标。

# Finetune后模型!python3 tools/eval.py -c configs/rec/multi_language/rec_devanagari_lite_train.yml  -o Global.checkpoints="./output/rec_hindi_en/best_accuracy"# 调优后模型!python3 tools/eval.py -c configs/rec/multi_language/rec_devanagari_lite_enhanced_ctc.yml  -o Global.checkpoints="./output/rec_hindi_en_enhanced_ctc/best_accuracy"

       

获得结果如下，经过调优后性能提升2%左右。

Model	Accuracy
PP-OCR mobile finetune	0.5000
PP-OCR mobile enhanced_ctc	0.5217

4. 预测部署

这里使用Paddle Serving套件进行部署。

4.1 转inference模型

# 转检测模型
!python tools/export_model.py -c configs/det/ch_PP-OCRv2/ch_PP-OCRv2_det_dml.yml  -o Global.checkpoints="./output/ch_db_mv3_dml/best_accuracy" Global.save_inference_dir="./det_model"# 转识别模型
!python tools/export_model.py -c configs/rec/multi_language/rec_devanagari_lite_enhanced_ctc.yml  -o Global.checkpoints="./output/rec_hindi_en_enhanced_ctc/best_accuracy" Global.save_inference_dir="./rec_model"

       

4.2 推理可视化

显示印地语需要专门的字体文件，该字体文件已传到"/home/aistudio/work/PaddleOCR/StyleText/fonts/hindi.ttf"上。运行下方命令可获得可视化效果。

In [16]

import osimport cv2import matplotlib.pyplot as plt# 进入PaddleOCR目录os.chdir("/home/aistudio/work/PaddleOCR/")# 运行推断程序!python tools/infer/predict_system.py \
    --image_dir="/home/aistudio/work/detection/imgs/Google_0063.jpeg" \
    --det_model_dir="./det_model/Student/" \
    --rec_model_dir="./rec_model/" \
    --rec_char_dict_path="/home/aistudio/work/recognition/hindi.txt" \
    --use_space_char=False \
    --vis_font_path="/home/aistudio/work/PaddleOCR/StyleText/fonts/hindi.ttf"# 展示推断结果img = cv2.imread("/home/aistudio/work/PaddleOCR/inference_results/Google_0063.jpeg")
plt.figure(figsize=(30, 10))
plt.imshow(img[..., ::-1])
plt.show()

       

[2025/01/06 16:23:53] root DEBUG: dt_boxes num : 6, elapse : 2.748750925064087
[2025/01/06 16:23:53] root DEBUG: rec_res num  : 6, elapse : 0.018050670623779297
[2025/01/06 16:23:53] root DEBUG: 0  Predict time of /home/aistudio/work/detection/imgs/Google_0063.jpeg: 2.771s
[2025/01/06 16:23:53] root DEBUG: बी ए समेस्टर- I पीयाू, 0.895
[2025/01/06 16:23:53] root DEBUG: प्राचीन भारत, 0.945
[2025/01/06 16:23:53] root DEBUG: का, 0.822
[2025/01/06 16:23:53] root DEBUG: इतिहास, 1.000
[2025/01/06 16:23:53] root DEBUG: Jizooड़े-तक, 0.812
[2025/01/06 16:23:53] root DEBUG: डाँ क्रांति कमार गुप्ता l डोँ मोइरंगथम प्रमोद, 0.958
[2025/01/06 16:23:53] root DEBUG: The visualized image saved in ./inference_results/Google_0063.jpeg
[2025/01/06 16:23:53] root INFO: The predict total time is 2.813556432723999

       

               

4.3 Paddle Serving环境准备

运行Paddle Serving，需要安装Paddle Serving三个安装包：paddle-serving-server、paddle-serving-client 和 paddle-serving-app，命令如下。

!wget https://paddle-serving.bj.bcebos.com/test-dev/whl/paddle_serving_server_gpu-0.7.0.post102-py3-none-any.whl
!pip install paddle_serving_server_gpu-0.7.0.post102-py3-none-any.whl

!wget https://paddle-serving.bj.bcebos.com/test-dev/whl/paddle_serving_client-0.7.0-cp37-none-any.whl
!pip install paddle_serving_client-0.7.0-cp37-none-any.whl

!wget https://paddle-serving.bj.bcebos.com/test-dev/whl/paddle_serving_app-0.7.0-py3-none-any.whl
!pip install paddle_serving_app-0.7.0-py3-none-any.whl

!rm ./*.whl

       

4.4 转serving模型

运行下方代码将inference模型转换成serving模型

# 转换检测模型!python -m paddle_serving_client.convert --dirname ./det_model/ \                                         --model_filename inference.pdmodel          \                                         --params_filename inference.pdiparams       \                                         --serving_server ./det_serving/ \                                         --serving_client ./det_client/# 转换识别模型!python -m paddle_serving_client.convert --dirname ./rec_model/ \                                         --model_filename inference.pdmodel          \                                         --params_filename inference.pdiparams       \                                         --serving_server ./rec_serving/  \                                         --serving_client ./rec_client/

       

4.5启动服务和请求服务

1. 修改PaddleOCR/deploy/pdserving/config.yml文件。

op:
  └─det:
    └─local_service_conf:
      └─model_config: /home/aistudio/work/PaddleOCR/det_serving
  └─rec:
    └─local_service_conf:
      └─model_config: /home/aistudio/work/PaddleOCR/rec_serving

       

2. 修改PaddleOCR/deploy/pdserving/web_service.py文件中的字体路径

class RecOp(Op):
    def init_op(self):
        self.ocr_reader = OCRReader(
            char_dict_path="/home/aistudio/work/recognition/hindi.txt")

       

3. 运行如下命令启动服务 开启新的终端运行下列启动服务的命令。

cd PaddleOCR/deploy/pdserving/python web_service.py

       

效果如下图。        

4. 在另一个终端下运行请求服务命令

cd PaddleOCR/deploy/pdserving/
python pipeline_http_client.py --image_dir "/home/aistudio/work/detection/imgs"

       

效果如下图        

# 英语  # 这两个  # 如下图  # 开源  # 主要包括  # 套件  # 加载  # 印度  # 印地  # python  # 配置文件  # https  # ocr  # 算法  # igs  # red  # ai  # git 

相关栏目： 【 Google疑问12 】 【 Facebook疑问10 】 【 网络优化91478 】 【 技术知识72672 】 【 云计算0 】 【 GEO优化84317 】 【 优选文章0 】 【 营销推广36048 】 【 网络运营41350 】 【 案例网站102563 】 【 AI智能45237 】

相关推荐： 开源AI Agent项目精选：赋能智能自动化  深度解析Coldplay酷玩乐队《Viva la Vida》的音乐内涵  医疗专家如何利用课程和内容赋能女性对抗癌症  PlotDot Horizon：AI编剧工具颠覆好莱坞？深度评测  lumen5怎样从新闻稿生成社交视频_Lumen5新闻稿转社交视频步骤【社媒】  ChatGPT一键生成PPT怎么加目录_ChatGPTPPT目录添加【步骤】  AI赋能：五款颠覆性工具助你在线赚钱  Claude怎么用新功能代码辅助_Claude代码辅助使用攻略【方法】  掌握写作技巧：小说情节设计的核心要素解析  美食ASMR：感官盛宴与解压体验  探索未来：AI机器人AURORA揭秘亚特兰蒂斯之谜  播客数据深度分析：用户地域分布及增长策略探讨  3步教你用AI帮你把菜谱转换成详细的烹饪步骤视频脚本  斑马AI如何设置奖励机制_斑马AI积分奖励与勋章获取【步骤】  如何让ChatGPT模仿特定文风 创意写作与品牌话术生成教程  批改网ai检测工具怎么设置检测严格度_批改网ai检测工具严格度调整【技巧】  Sim.AI教程：构建智能客户支持助手  讯飞星火怎么一键生成|直播|话术_讯飞星火话术生成与节奏把控【教程】  Canva AI 辅助 KDP 封面设计：轻松创建畅销书笔记本  Codeforces Pair Programming Problem: C 解题思路  AI驱动营销：如何利用人工智能构建高效营销漏斗  利用AI快速生成数组和枚举：详细指南与实用技巧  AI写作鱼怎么一键生成朋友圈文案_AI写作鱼文案风格切换与字数设置【指南】  轻松创建引人入胜短视频：Riverside.fm教程  tofai登录入口官网 tofai网页版地址链接  AI 编码助手：提升效率的 5 大工具及应用详解  都灵裹尸布之谜：AI揭示耶稣基督的真实面貌？  AI赋能科研探索：Google Research创新加速科学发现  Beats to Rap On AI Stem Splitter：终极音乐创作工具  Comet浏览器：使用ChatGPT增强您的搜索体验  Claude怎么用新功能代码调试_Claude代码调试使用【方法】  探索弦乐器世界：从吉他到卡曼切，乐器全解析  如何利用文心一言优化知乎高赞回答的逻辑结构  唐库AI拆书工具怎么查看拆书进度_唐库AI拆书工具进度查看与异常排查【方法】  AI视频工具：加速内容创作，提升效率的终极指南  Claude如何关闭自动续费_Claude续费关闭方法【方法】  美图AI海报设计怎样匹配品牌VI_美图AI海报设计VI匹配与色彩校准【教程】  AI在软件测试中的应用：提升效率与质量的关键策略  AI写作工具检测：学生如何避免学术不端行为  找不到百度AI助手入口 最新官网登录入口  如何使用 DeepSeek API 构建低成本智能应用  百度AI助手入口在哪 怎么找到聊天入口  AI聊天机器人引发伦理思考：泰国老人在Facebook上遭遇情感欺骗悲剧  理论框架写作指南：3步构建研究基石  面试成功秘诀：如何巧妙回答常见面试问题  构建卓越AI代理：端到端Agentic RAG解决方案详解  Feelin网页版在线入口 Feelin官方网站导航  Claude怎么用_Claude使用方法详细指南【教程】  AI工具投资指南：10个关键要素，助您明智决策  Xcode 26 Beta 新功能：集成 ChatGPT 代码助手全面测评 

 2025-08-01