轉發自https://www.toutiao.com/a6802032805313249806/?tt_from=weixin&utm_campaign=client_share&wxshare_count=1×tamp=1584238304&app=news_article&utm_source=weixin&
utm_medium=toutiao_android&req_id=202003151011440101300361421C7DB985&group_id=6802032805313249806
實測超輕量中文OCR開源項目，總模型僅17M
想要試試中文 OCR？這個項目可以考慮，輕量模型，不需要 GPU 也能跑得動。
光學字符識別（OCR）現在已經有很廣泛的應用了，很多開源項目都會嵌入已有的 OCR 項目來擴展能力，例如 12306 開源搶票軟件，它就會調用其它開源 OCR 服務來識別驗證碼。很多流行的開源項目，其背后或多或少都會出現 OCR 的身影。
如果要說到中文 OCR，像身份證識別、火車票識別都是常規操作，它也可以實現更炫酷的功能，例如翻譯筆在書本上滑動一行，自動獲取完整的圖像，並識別與翻譯中文。
目前比較常用的中文 OCR 開源項目是 chineseocr，它基於 YOLO V3 與 CRNN 實現中文自然場景文字檢測及識別，目前該項目已經有 2.5K 的 Star 量。而本文介紹的是另一個新 開源的中文 OCR 項目，它基於 chineseocr 做出改進，是一個超輕量級的中文字符識別項目。
項目地址：https://github.com/ouyanghuiyu/chineseocr_lite
該 chineseocr_lite 項目表示，相比 chineseocr，它采用了輕量級的主干網絡 PSENet，輕量級的 CRNN 模型和行文本方向分類網絡 AngleNet。盡管要實現多種能力，但 chineseocr_lite 總體模型只有 17M。
目前 chineseocr_lite 支持任意方向文字檢測，在識別時會自動判斷行文本方向。我們可以先看看項目作者給出的效果示例：
可以看到，chineseocr_lite 在橫排文字和豎排文字的識別上都有不錯的效果，而且它提供的交互式網頁端能直接在頁面插入圖像與調用識別模型。為了進一步挖掘該輕量級模型的效果，機器之心也上手測試了一番。
項目實測
由於Docker能夠提供一個不依賴主機操作系統的隔離空間，並且兼具良好的安全性與可移植性，我們決定在Docker下對該輕量級模型進行測試。至於測試過程中的環境配置與采坑過程，后文會一一道來。
先看看使用作者項目里自帶圖片的測試效果。識別結果與項目里提供的類似，這里耗時較長主要是由於我們測試時沒有使用 GPU 的緣故。
下面我們找一些其它圖片來測試一下它的效果。
可以看到該模型對於常規印刷字體的識別效果還是很好的。接下來我們決定找一個書法圖片為難一下它，竟然一個也沒有識別對？不過對於這樣一個主打超輕量，總模型大小不超過 20M 的 OCR 項目來說，還要啥自行車。
Docker 環境搭建
我們的運行環境
- Ubuntu 18.04
- Python 3.6.9
- Pytorch 1.5.0.dev20200227+cpu（作者推薦 1.2.0）
首先下載 Docker 鏡像。這里推薦使用咱們中國人自己做的鏡像 deepo，一行代碼傻瓜式安裝 tensorflow、pytorch、darknet 等目前最新的深度學習框架。
deepo 鏈接：https://hub.docker.com/r/ufoym/deepo
當安裝好 Docker 后，用以下代碼獲取包含所有深度學習框架的鏡像：
docker pull ufoym/deepo
在這里我們使用豬廠提供的國內源來加速下載：
docker pull hub-mirror.c.163.com/ufoym/deepo
在高校的小伙伴推薦使用如下中科大的源，盡享絲般順滑，10M/s 不是夢！
docker pull docker.mirrors.ustc.edu.cn/ufoym/deepo
拉取完鏡像后我們新建一個容器開始配置環境，使用如下命令新建容器並進入交互模式：
docker run -it -p 6666:8080 -v ~/Desktop/data/:/data --name ocr 18824ddf5d2d
這里 docker run 表示創建容器，-it 表示創建容器后立刻進入交互模式，-p 表示進行端口映射，這里我們將主機 6666 的端口映射到容器的 8080 端口。
-v 表示共享數據，我們將主機桌面上名為 data 的文件夾與容器共享，並將其在容器上掛載為/data，--name 表示將新建的容器命名為 ocr，18824ddf5d2d 為剛才下載鏡像的 ID，可使用 docker images 命令進行查看。
現在我們就進入到容器里了，輸入 ls 就可看到我們與容器共享的文件夾/data 了。
cd 到/data 文件夾下拉取 chineseocr_lite 項目：
git clone https://github.com/ouyanghuiyu/chineseocr_lite
作者很 nice 得提供了運行程序的依賴環境，cd 到 chineseocr_lite 下進行安裝：
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt
這里我們使用了清華的源進行加速。依賴環境裝好了，python3 app.py 8080 走起！出現以下輸出表示網頁服務已成功啟動。
需要注意的是，我們在創建容器時將主機的 6666 端口映射到了容器的 8080 端口，所以在瀏覽器里我們應該輸入 http://127.0.0.1:6666/ocr (http://127.0.0.1:8080/ocr)，出現如下界面：
踩坑指南
機器之心也將測試這個項目過程中踩過的坑記錄了下來，避免各位對這個項目感興趣的小伙伴中同樣的招。當在容器里安裝好 requirement 就萬事大吉了嗎？不存在的，電腦表示不出錯是不可能的，這輩子都不可能不報錯。直接運行后出現如下錯誤：
原因是缺少共享文件庫，使用如下方法解決：
apt-get update apt-get install apt-file apt-file update apt-file search libSM.so.6 apt-get install libsm6
再運行出現這樣的錯誤：
遂使用 apt-get install libxrender1 與 apt install python-qt4 安裝之。進行這樣一番操作之后，就可以順利運行了。完結撒花～
Docker 配置參考教程：https://zhuanlan.zhihu.com/p/64493662