中山专业做网站公司,手机网站改版,页游网站,普达建站快车前言 基于PaddleOCR银行卡识别实现#xff08;一#xff09; 基于PaddleOCR银行卡识别实现#xff08;二#xff09; 前两篇文章讲了检测模型和识别模型的实现#xff0c;这一篇文章姗姗来迟#xff0c;将讲解下两个模型的串联应用和PaddleOCR的源码精简#xff0c;下面…前言 基于PaddleOCR银行卡识别实现一 基于PaddleOCR银行卡识别实现二 前两篇文章讲了检测模型和识别模型的实现这一篇文章姗姗来迟将讲解下两个模型的串联应用和PaddleOCR的源码精简下面我们来看看如何实现文章最后有全源码下载。
一、PaddleOCR源码分析
1、源码下载
使用git进行下载 git clone https://github.com/PaddlePaddle/PaddleOCR.git 我们先找到下面三个路径这三个路径中存放了预测的核心代码 ppocr\data存放数据预处理代码 ppocr\postprocess存放数据后处理代码 tools\infer存放加载模型和相关参数代码
然后在这个三个目录中详细提取我们需要的代码
2、ppocr\data精简
根据predict_det.py文件可以查看到需要的数据预处理并不多 上面的几种方法都集中在一个py文件中把operators.py中不相干的方法删掉就可以了 3、ppocr\postprecess精简
我们只需要保存这三个cls_postprocess.py、db_postprocess.py和rec_postprocess.py即可 4、 tools\infer精简
仅保留红框的py文件即可删除predict_e2e.py和predict_sr.py 5、精简后的代码并预测
可以看到文件非常少以下代码就是PaddleOCR预测的核心代码
注意需要修改__init__.py中的引用 加上模型后就可以预测 python tools/infer/predict_det.py --det_algorithmDB --det_model_dir./inference/det/ --image_dir1.jpg --use_gpuFalse --det_db_unclip_ratio2.5 二、银行卡卡号识别集成
1、添加预测代码
新建deploy目录加入预测py文件 核心代码如下 def predict(self, imageNone, path, **kwargs):if image is not None:predicted_data imageelif path ! :predicted_data self.read_image(path)else:raise TypeError(The input data is inconsistent with expectations.)dt_boxes, rec_res, _ self.text_sys(predicted_data)dt_num len(dt_boxes)if dt_num 0:rec_res_final dict()text, score rec_res[0]rec_res_final.update({bank_card_number: text,score: float(score),location: dt_boxes[0].astype(np.int).tolist()})url https://ccdcapi.alipay.com/validateAndCacheCardInfo.json?cardNo rec_res_final[bank_card_number] cardBinChecktruer requests.get(urlurl)res r.json()if res[validated]:card_types {DC: 借记卡,CC: 信用卡,SCC: 准贷记卡,PC: 预付费卡}if res[cardType] in card_types:card_type card_types[res[cardType]]else:card_type 未知卡类型【 res[cardType] 】if res[bank] in self.bank:bank_name self.bank[res[bank]]else:bank_name 未知银行rec_res_final.update({card_type: card_type,bank_name: bank_name})else:rec_res_final.update({card_type: 未知卡类型,bank_name: 未知银行})return rec_res_finalelse:return
2、参数说明
目前的识别模型是在PP-OCRv2的基础上训练出来的如何是v3或v4训练的需要将这里的re_image_shape改成“348320” 3、预测
ocr_bank.py文件中添加main方法
if __name__ __main__:args {use_gpu: False,enable_mkldnn: True}ocr_bank OCRBank(argsargs)print(ocr_bank.predict(None, 1.jpg)) python .\deploy\ocr_bank.py 结果
[2023/11/29 15:31:50] ppocr DEBUG: dt_boxes num : 1, elapsed : 0.5060036182403564
[2023/11/29 15:31:50] ppocr DEBUG: rec_res num : 1, elapsed : 0.10000085830688477
{bank_card_number: 622991116400066409, score: 0.9891971945762634, location: [[164, 368], [789, 374], [789, 424], [164, 417]], card_type: 借记卡, bank_name: 河南省农村信用社}
完毕 以上就是银行卡识别的整个流程精简后可直观的进行部署这里只是做了第一步精简在infer中和后处理中还有部分代码可以进一步精简。
精简后源码下载
基于PaddleOCR银行卡卡号识别源码
