从零搭建基于PaddleOCR+Flask+Layui的webapi平台（一、银行卡识别）

本文链接：https://blog.youkuaiyun.com/ANONYMOUSLAI/article/details/140790486

前言

由于业务需要识别银行卡卡号，为了降低成本，网上找了各种开源框架，最后决定使用PaddleOCR+Flask+Layui搭建一个提供webapi接口的OCR平台，本文尽量从小白基础讲解整个搭建过程，如有不足之处尽情见谅。文末附源代码，本地或者直接部署到Linux就可以使用，内含训练好的模型。

一、环境准备

下载源码

下载paddleOCR的2.8分支，下载地址：
https://github.com/PaddlePaddle/PaddleOCR/tree/release/2.8
运行环境准备

使用的 Anaconda创建Python环境（本文用的是Python 3.8.5），详细请看源码说明：
https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.8/doc/doc_ch/environment.md
安装requirements

在项目根目录，执行安装requirements.txt，下载慢的话换国内镜像源试试。

pip install -r requirements.txt

为了精准的识别出银行卡号，大致分为两个步骤，检测文本的位置，然后对检测出的位置进行文字识别，如果图片方向不正的话，还要进行方向检测，本文仅对文本检测和文本识别进行训练、推理，具体可以看官方说明：
https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.8/doc/doc_ch/training.md

二、文本检测

训练数据
训练数据来源有两种，一种是自己用PPOCRLabel标注数据，一种用别人训练好的数据。
PPOCRLabel安装和使用教程：
https://www.jianshu.com/p/4133fbf91981
3000多张银行卡号已标注文本检测数据集：
https://download.youkuaiyun.com/download/YY007H/85374437
训练模型
开始训练前，可以看下官网文档，有详细训练和微调说明：
文本检测：
https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.8/doc/doc_ch/detection.md
模型微调：
https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.8/doc/doc_ch/finetune.md
本文选择PP-OCRv3模型（配置文件：ch_PP-OCRv3_det_student.yml，预训练模型：ch_PP-OCRv3_det_distill_train.tar）进行微调。
ch_PP-OCRv3_det_distill_train.tar 下载地址：
https://paddleocr.bj.bcebos.com/PP-OCRv3/chinese/ch_PP-OCRv3_det_distill_train.tar
ch_PP-OCRv3_det_student.yml 配置文件如下：

Global:
  debug: false
  use_gpu: true
  epoch_num: 1200 #最大训练epoch数
  log_smooth_window: 20 #log队列长度，每次打印输出队列里的中间值
  print_batch_step: 2 #设置打印log间隔
  save_model_dir: ./output/ch_PP-OCRv3_det_student/ #设置输出模型路径
  save_epoch_step: 1200 #设置模型保存间隔
  eval_batch_step: 1500 #设置模型评估间隔
  cal_metric_during_train: false
  pretrained_model: ./pretrain_models/ch_PP-OCRv3_det_distill_train/student.pdparams #预训练模型路径
  checkpoints: null
  save_inference_dir: null
  use_visualdl: True
  infer_img: doc/imgs_en/img_10.jpg
  save_res_path: ./output/ch_PP-OCRv3_det_student/predicts_db.txt
  distributed: true

Architecture:
  model_type: det
  algorithm: DB
  Transform:
  Backbone:
    name: MobileNetV3
    scale: 0.5
    model_name: large
    disable_se: True
  Neck:
    name: RSEFPN
    out_channels: 96
    shortcut: True
  Head:
    name: DBHead
    k: 50

Loss:
  name: DBLoss
  balance_loss: true
  main_loss_type: DiceLoss
  alpha: 5
  beta: 10
  ohem_ratio: 3
Optimizer:
  name: Adam
  beta1: 0.9
  beta2: 0.999
  lr:
    name: Cosine
    learning_rate: 0.001
    warmup_epoch: 2
  regularizer:
    name: L2
    factor: 0
PostProcess:
  name: DBPostProcess
  thresh: 0.3
  box_thresh: 0.6
  max_candidates: 1000
  unclip_ratio: 1.5
Metric:
  name: DetMetric
  main_indicator: hmean
Train:
  dataset:
    name: SimpleDataSet
    data_dir: ./pretrain_models/train_data/ #标注数据集路径
    label_file_list:
      - "./pretrain_models/train_data/bank/bank1/real_det_train.txt"
      - "./pretrain_models/train_data/bank/bank2/real_det_train.txt"
      - "./pretrain_models/train_data/bank/bank3/real_det_train.txt"
    ratio_list: [ 1.0, 1.0 , 1.0 ]
    transforms:
    - DecodeImage:
        img_mode: BGR
        channel_first: false
    - DetLabelEncode: null
    - IaaAugment:
        augmenter_args:
        - type: Fliplr
          args:
            p: 0.5
        - type: Affine
          args:
            rotate:
            - -10
            - 10
        - type: Resize
          args:
            size:
            - 0.5
            - 3
    - EastRandomCropData:
        size:
        - 960
        - 960
        max_tries: 50
        keep_ratio: true
    - MakeBorderMap:
        shrink_ratio: 0.4
        thresh_min: 0.3
        thresh_max: 0.7
    - MakeShrinkMap:
        shrink_ratio: 0.4
        min_text_size: 8
    - NormalizeImage:
        scale: 1./255.
        mean:
        - 0.485
        - 0.456
        - 0.406
        std:
        - 0.229
        - 0.224
        - 0.225
        order: hwc
    - ToCHWImage