Skip to content

Latest commit

 

History

History
 
 

cpp

Folders and files

NameName
Last commit message
Last commit date

parent directory

..
RapidOCRCPP
RapidOCRCPP
 
 
README.md
README.md
 
 

README.md

RapidOCR C++ version

C++项目使用onnxruntime和ncnn两种推理框架，实现了2种版本

onnxruntime版：RapidOcrOnnx

ncnn版：RapidOcrNcnn

以下内容停止更新

Project下载

  • 有整合好源码和依赖库的完整工程项目，文件比较大，可到Q群(887298230)共享内下载，找以Project开头的压缩包文件
  • 如果想自己折腾，则请继续阅读本说明

Demo下载(Win、mac、linux)

  • 编译好的demo文件比较大，可以到Q群(887298230)共享内下载
  • Google Drive 下载

模型下载

  • 下载链接： (百度网盘 | Google Drive)
  • 打开下载链接，可以选择下载PP-OCRv1/2/3目录下的各个模型文件，字典文件可以在resources/rec_dict目录中下载
RapidOCRCPP/models
    ├── ch_ppocr_mobile_v2.0_cls_infer.onnx
    ├── ch_ppocr_mobile_v2.0_det_infer.onnx
    ├── ch_ppocr_server_v2.0_det_infer.onnx
    ├── ch_ppocr_server_v2.0_rec_infer.onnx
    ├── ch_ppocr_mobile_v2.0_rec_infer.onnx
    └── ppocr_keys_v1.txt

依赖的第三方库下载

下载opencv和onnxruntime: 下载地址

  • OpenCV动态库：opencv-(版本号)-sharedLib.7z

  • OpenCV静态库：opencv-(版本号)-staticLib.7z

  • OnnxRuntime动态库：onnxruntime-(版本号)-sharedLib.7z

  • OnnxRuntime静态库：onnxruntime-(版本号)-staticLib.7z

  • 可以选择只下载两者的动态库或两者的静态库(要么都是静态库要么都是动态库)，或者4种全部下载

  • 把压缩包解压到项目根目录，解压后目录结构

    RapidOCRCPP
    ├── onnxruntime-shared
    ├── onnxruntime-static
    ├── opencv-shared
    └── opencv-static

编译环境

  1. Windows 10 x64
  2. macOS 10.15
  3. Linux Ubuntu 1604 x64

注意：以下说明仅适用于本机编译。如果需要交叉编译为arm等其它平台(参考android)，则需要先交叉编译所有第三方依赖库(onnxruntime、opencv)，然后再把依赖库整合替换到本项目里。

Windows

Windows nmake编译

  1. 安装VS2017或VS2019，安装时，至少选中使用C++的桌面开发
  2. cmake请自行下载&配置，下载地址
  3. 开始菜单打开"x64 Native Tools Command Prompt for VS 2019"或"适用于 VS2017 的 x64 本机工具"，并转到本项目根目录
  4. 运行build.bat并按照提示输入选项，最后选择'编译成可执行文件'
  5. 编译完成后运行run-test.bat进行测试(注意修改脚本内的目标图片路径)
  6. 编译JNI动态运行库(可选，可用于java调用)
    • 下载jdk-8u221-windows-x64.exe，安装选项默认(确保“源代码”项选中)，安装完成后，打开“系统”属性->高级->环境变量
    • 新建“系统变量”，变量名JAVA_HOME ，变量值C:\Program Files\Java\jdk1.8.0_221
    • 新建“系统变量”，变量名CLASSPATH ，变量值.;%JAVA_HOME%\lib\dt.jar;%JAVA_HOME%\lib\tools.jar;
    • 编辑系统变量Path，Win7在变量值头部添加%JAVA_HOME%\bin; ，Win10直接添加一行%JAVA_HOME%\bin
    • 开始菜单打开"x64 Native Tools Command Prompt for VS 2019"或"适用于 VS2017 的 x64 本机工具"，并转到本项目根目录
    • 运行build.bat并按照提示输入选项，最后选择'编译成JNI动态库'

Windows Visual Studio编译说明

  1. VS2017/VS2019，cmake……等安装配置参考上述步骤。
  2. 运行generate-vs-project.bat，输入数字选择要生成的visual studio项目解决方案版本。
  3. 根据你的编译环境，进入build-xxxx-x86或x64文件夹，打开BaiPiaoOcrOnnx.sln。
  4. 在顶部工具栏选择Release，在右边的"解决方案"窗口，右键选中"ALL_BUILD"->生成。要选择Debug，则您必须自行编译Debug版的opencv或onnxruntime。

Windows部署说明

  1. 编译选项选择第三方库为动态库时，部署的时候记得把dll复制到可执行文件目录。
  2. 部署时如果提示缺少"VCRUNTIME140_1.dll"，下载安装适用于 Visual Studio 2015、2017 和 2019 的 Microsoft Visual C++ 可再发行软件包， 下载地址

Mac

编译说明

  1. macOS Catalina 10.15.x，安装Xcode 12.1，并安装Xcode Command Line Tools, 终端运行xcode-select –install
  2. 自行下载安装HomeBrew，cmake >=3.1下载地址
  3. libomp: brew install libomp
  4. 终端打开项目根目录，./build.sh并按照提示输入选项，最后选择'编译成可执行文件'
  5. 测试：./run-test.sh(注意修改脚本内的目标图片路径)
  6. 编译JNI动态运行库(可选，可用于java调用)
    • 下载jdk-8u221-macosx-x64.dmg，安装。
    • 编辑用户目录下的隐藏文件.zshrc ，添加export JAVA_HOME=$(/usr/libexec/java_home)
    • 运行build.sh并按照提示输入选项，最后选择'编译成JNI动态库'

部署说明

  • opencv或onnxruntime使用动态库时，参考下列方法：
    • 把动态库所在路径加入DYLD_LIBRARY_PATH搜索路径
    • 把动态库复制或链接到到/usr/lib

Linux

编译说明

  1. Ubuntu16.04 LTS 或其它发行版
  2. sudo apt-get install build-essential
  3. g++>=5，cmake>=3.1下载地址
  4. 终端打开项目根目录，./build.sh并按照提示输入选项，最后选择'编译成可执行文件'
  5. 测试：./run-test.sh(注意修改脚本内的目标图片路径)
  6. 编译JNI动态运行库(可选，可用于java调用)
    • 下载jdk-8u221并安装配置
    • 运行build.sh并按照提示输入选项，最后选择'编译成JNI动态库'

部署说明

  • opencv或onnxruntime使用动态库时，参考下列方法：
    • 把动态库所在路径加入LD_LIBRARY_PATH搜索路径
    • 把动态库复制或链接到到/usr/lib

编译参数说明

  • build.sh编译参数：

    参数 说明
    OCR_OPENMP=ON 启用(ON)或禁用(OFF) ON时AngleNet和CrnnNet阶段使用OpenMP并行运算，OFF时单线程运算
    OCR_LIB=ON 启用(ON)或禁用(OFF) ON时编译为jni lib，OFF时编译为可执行文件
    OCR_STATIC=ON 启用(ON)或禁用(OFF) ON时选择opencv和onnxruntime的静态库进行编译，OFF时则选择动态库编译

  • 输入参数说明

    • 请参考main.h中的命令行参数说明。
    • 每个参数有一个短参数名和一个长参数名，用短的或长的均可。
    参数 说明
    -d或--models 模型所在文件夹路径，可以相对路径也可以绝对路径
    -1或--det det模型文件名(含扩展名)
    -2或--cls cls模型文件名(含扩展名)
    -3或--rec rec模型文件名(含扩展名)
    -4或--keys keys.txt文件名(含扩展名)
    -i或--image 目标图片路径，可以相对路径也可以绝对路径
    -t或--numThread 线程数量
    -p或--padding 图像预处理，在图片外周添加白边，用于提升识别率，文字框没有正确框住所有文字时，增加此值
    -s或--maxSideLen 按图片最长边的长度，此值为0代表不缩放，例：1024，如果图片长边大于1024则把图像整体缩小到1024再进行图像分割计算，如果图片长边小于1024则不缩放，如果图片长边小于32，则缩放到32
    -b或--boxScoreThresh 文字框置信度门限，文字框没有正确框住所有文字时，减小此值
    -o或--boxThresh 文本框置信度
    -u或--unClipRatio 单个文字框大小倍率，越大时单个文字框越大。此项与图片的大小相关，越大的图片此值应该越大
    -a或--doAngle 启用(1)/禁用(0) 文字方向分类，只有图片倒置的情况下(旋转90~270度的图片)，才需要启用文字方向分类
    -A或--mostAngle 启用(1)/禁用(0) 角度投票(整张图片以最大可能文字方向来识别)，当禁用文字方向检测时，此项也不起作用
    -h或--help 打印命令行帮助

支持GPU

  • 添加provider 以支持GPU等，下面以cuda为例

      OrtEnv* env;
  OrtInitialize(ORT_LOGGING_LEVEL_WARNING, "test", &env)
  OrtSessionOptions* session_option = OrtCreateSessionOptions();
  OrtProviderFactoryInterface** factory;
  OrtCreateCUDAExecutionProviderFactory(0, &factory);
  OrtSessionOptionsAppendExecutionProvider(session_option, factory);
  OrtReleaseObject(factory);
  OrtCreateSession(env, model_path, session_option, &session);