OCR 表格识别项目教程

OCR 表格识别项目教程

ocr-tableExtract tables from scanned image PDFs using Optical Character Recognition.项目地址:https://gitcode.com/gh_mirrors/oc/ocr-table

1. 项目目录结构及介绍

在 https://github.com/cseas/ocr-table.git 中下载并解压项目后，您将看到以下基本目录结构：

.
├── README.md          # 项目说明文件
├── config              # 配置文件夹
│   └── config.yml      # 主配置文件
├── data                # 存放训练数据和样本图片
│   ├── samples         # 样本图片
│   └── training_data   # 训练数据
├── ocr                 # OCR 相关代码
│   ├── detector.py     # 表格检测器
│   ├── recognizer.py   # 字符识别器
│   └── utils.py        # 辅助工具函数
└── scripts             # 脚本文件
    ├── train.py        # 训练模型脚本
    └── predict.py      # 使用模型进行预测脚本

• config: 包含所有项目配置的目录。
• data: 数据存储目录，包括用于训练的图像和样本数据。
• ocr: OCR 算法的核心部分，包括检测器、识别器和辅助工具。
• scripts: 提供了训练模型和使用模型进行预测的脚本。

2. 项目的启动文件介绍

2.1 train.py

这是用于训练模型的脚本。运行它时，系统会使用data/training_data中的数据训练 OCR 模型。在实际执行之前，确保已正确配置了 config.yml 文件以指向正确的训练数据路径和其他参数。

python scripts/train.py

2.2 predict.py

predict.py 是预测（识别）阶段的入口，它使用训练好的模型对新图像进行表格检测和文本识别。同样，需要确保配置文件设置正确。

python scripts/predict.py --input_path path/to/input/image.png --output_path path/to/output/

替换 path/to/input/image.png 为要处理的图像文件，path/to/output/ 将保存处理结果。

3. 项目的配置文件介绍

项目配置文件位于 config/config.yml，主要包含了以下几个关键部分：

model:
  path: models/model.h5  # 训练模型的保存路径
  arch: resnet50         # 模型架构，默认是 ResNet50

data:
  training_dir: data/training_data/  # 训练数据集路径
  samples_dir: data/samples/          # 样本图片路径
  batch_size: 32                       # 批次大小
  img_height: 480                      # 图像高度
  img_width: 640                       # 图像宽度

logging:
  level: info                          # 日志级别，默认为 info
  file: logs/log.txt                   # 日志文件路径

• model: 定义了模型相关参数，如模型保存路径和使用的网络架构。
• data: 配置了训练数据的位置以及预处理图像的尺寸等。
• logging: 设置日志记录等级和日志文件位置。

在开始训练或预测前，务必检查这些配置是否符合您的环境和需求。

ocr-tableExtract tables from scanned image PDFs using Optical Character Recognition.项目地址:https://gitcode.com/gh_mirrors/oc/ocr-table