ChineseOcr Lite Mnn,超轻量级中文OCR PC Demo,使用MNN推理
这个项目使用MNN框架进行推理,使用 https://github.com/ouyanghuiyu/chineseocr_lite 项目中提供的模型,迁移了项目中cpp_projects中的OcrLiteOnnx项目,采用阿里MNN框架https://github.com/alibaba/MNN 作为推理引擎实现。
下载opencv和MNN 下载地址
- OpenCv动态库:opencv-(版本号)-sharedLib.7z
- OpenCv静态库:opencv-(版本号)-staticLib.7z
- MNN 动态库:Mnn-(版本号)-sharedLib.7z
- MNN 静态库:Mnn-(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
OcrLiteOnnx
├── mnn-shared
├── mnn-static
├── opencv-shared
├── opencv-static
- macOS 10.15
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(mnn、opencv),然后再把依赖库整合替换到本项目里。
- macOS Catalina 10.15.x,安装Xcode 12.1,并安装Xcode Command Line Tools, 终端运行
xcode-select –install
- 自行下载安装HomeBrew,cmake >=3.1下载地址
- libomp:
brew install libomp
- 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' - 测试:
./run-test.sh
(注意修改脚本内的目标图片路径) - 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'
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
build.sh编译参数:
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
- 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。
-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
:dbNet模型文件名(含扩展名)-2或--cls
:angleNet模型文件名(含扩展名)-3或--rec
:crnnNet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
:请自行试验。-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) 文字方向检测,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检测。-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。
- 项目根目录的valgrind-memcheck.sh用来检查内存泄漏(需要debug编译)。
- valgrind-memcheck.txt是demo在linux平台的检查报告。
- 报告中的"possibly lost"均发生在第三方库,possibly lost可能不一定是泄露,暂时不管。