在校园AI Day的AI工作坊中，任务是利用OCR技术识别交付验收单上的铁塔名称，并对图片进行重命名。采用PaddleHUB与后处理结合的方法，轻松实现准确率的目标。方案包含数据准备（上传至指定路径）、环境准备（安装相关库）以及执行输出（定义函数提取名称并遍历重命名至输出目录）。通过这一创新的实践，学生不仅锻炼了技能，还加深了对图像处理和人工智能技术的理解。
【校园AI Day-AI workshop】自定义区域OCR识别文件重命名
1背景介绍
任务描述：在实际的工作中，有时候需要根据图片中的指定区域进行重命名，通过OCR技术实现可自主框选识别区，实现识别内容的精确提取。本任务提供30张交付验收单，需要通过OCR技术识别图片中的铁塔名称，并根据该字段完成对图片的重命名
2解决方案
2.1数据分析
数据情况：制式标准表单 数据量：30张扫描数据
2.2表单识别介绍
参考多模态技术在金融场景创新实践：表单识别 表单识主流方案：单模态和多模态 图1 表单识别解决方案 图2 单模态解决方案分析 图3 多模态表单识别流程图
2.3本项目拟采取思路
基于PaddleHUB+后处理（低代码快速实现文本提前） 准确率100%
3实施过程
3.1数据准备
本项目没有专门数据集挂载，自行从本地上传到/home/aistudio/work/data In []
#创建文件夹，上传数据#!mkdir work/data!tree work/data登录后复制
3.2环境准备
In []
#安装 paddlehub!pip install paddlepaddle -i https://pypi.tuna.tsinghua.edu.cn/simple !pip install paddlehub==2.1 -i https://pypi.tuna.tsinghua.edu.cn/simple登录后复制
3.3执行输出
In []
#定义获取名称函数import paddlehub as hubimport cv2 ocr = hub.Module(name="ch_pp-ocrv3") def get_name(fn): img = cv2.imread(fn) result = ocr.recognize_text(images=[img]) #1找到铁塔名称 indx = 0 r_data = result[0]['data'] for i in range(len(r_data)): if '塔名称' in r_data[i]['text']: #print(r_data[i]['text_box_position']) indx = i break #2找到铁塔名称 #垂直方向加权，铁塔名称答案在一条直线上 weight_y = 4 #找到离铁塔名称最近的识别框 p_x = (r_data[indx]['text_box_position'][1][0] + r_data[indx]['text_box_position'][2][0])/2 p_y = (r_data[indx]['text_box_position'][1][1] + r_data[indx]['text_box_position'][2][1])/2 min_d = p_x + p_y name_idx = 0 for i in range(len(r_data)): #排除自己 if i == indx: continue x = (r_data[i]['text_box_position'][0][0] + r_data[i]['text_box_position'][3][0])/2 y = (r_data[i]['text_box_position'][0][1] + r_data[i]['text_box_position'][3][1])/2 dis = abs(p_x-x) + abs(p_y - y)*weight_y #print('{0}:{1}'.format(dis,r_data[i]['text'])) if dis < min_d: min_d = dis name_idx = i name = r_data[name_idx]['text'] #3搜索夸行问题 weight_x =1 #底部两个点中点 p_x = (r_data[name_idx]['text_box_position'][2][0] + r_data[name_idx]['text_box_position'][3][0])/2 p_y = (r_data[name_idx]['text_box_position'][2][1] + r_data[name_idx]['text_box_position'][3][1])/2 min_d = 20 # 距离小于20存在跨行 for i in range(len(r_data)): #排除自己 if i == name_idx: continue x = (r_data[i]['text_box_position'][0][0] + r_data[i]['text_box_position'][1][0])/2 y = (r_data[i]['text_box_position'][0][1] + r_data[i]['text_box_position'][1][1])/2 dis = abs(p_x-x)*weight_x + abs(p_y - y) #print('{0}:{1}'.format(dis,r_data[i]['text'])) if dis < min_d: name += r_data[i]['text'] break return name登录后复制
代码解释 In []
#遍历重命名文件!mkdir work/outputimport os img_dir = 'work/data'output_dir = 'work/output'for pic in os.listdir(img_dir): fn = os.path.join(img_dir,pic) name = get_name(fn) print('{0}:{1}'.format(fn,name)) import shutil shutil.copy(fn,os.path.join(output_dir,name + fn[-9:]))登录后复制
以上就是【校园AI Day-AI workshop】自定义区域OCR识别文件重命名的详细内容，更多请关注其它相关文章！
- 标签：