注册

PaddleOCR在地平线旭日X3派上的部署和测试(Python版本和C++版本)

C++还在测试未更新,当前博客仅支持python版本

测试的模型、文件、模型转换工具和系统下载参见百度网盘(文件下载后可以直接使用无需自己搭建模型转换的环境,板端测试程序放置到板端就可以运行无需修改测试,需要的基础环境和基础测试全部打包)

https://pan.baidu.com/s/1Vhu_iYkO5rfB8008WzwLFw?pwd=usyt 提取码:usyt

虚拟机:虚拟机文件下载后参考说明文档打开后就可以直接使用。

文件:保存虚拟机内的所有文件,可以复制文件到自己的虚拟机,但是需要自己搭建测试环境。

X3镜像文件:地平线的官方ubuntu系统文件。

板端测试程序:det的检测程序和demo的检测识别程序(pyton版本)

测试系统的制作参靠官方网址

https://developer.horizon.cc/documents_rdk/installation/install_os

本测试使用的系统放置在百度网盘中(解压后使用)

链接:https://pan.baidu.com/s/1whCbIRQ6w-XlCeu8JQkauw?pwd=mu6w 提取码:mu6w

下载制作工具:balenaEtcher – Flash OS images to SD cards & USB drives

1、打开balenaEtcher工具,点击Flash frome file按钮,选择解压出来的ubuntu-preinstalled-desktop-arm64.img文件作为烧录镜像

2、点击Select target按钮,选择对应的Micro SD存储卡作为目标存储设备

3、点击Flash按钮开始烧录,待工具提示Flash Complete时,表示镜像烧录完成,可以关闭balenaEtcher并取出存储卡

环境搭建

#创建虚拟环境
conda create -n x3model python=3.6
#激活虚拟环境
conda activate x3model
#进入到指定的测试路径
cd /home/kkx3/wyj/x3/TransModel/Paddle2ONNX/PaddleOCR
 
#首次使用安装
pip install paddlepaddle==2.2.0 -i https://mirror.baidu.com/pypi/simple/
pip install onnxruntime==1.9.0 -i https://mirror.baidu.com/pypi/simple/
pip install paddle2onnx -i https://mirror.baidu.com/pypi/simple/
pip install onnx==1.6.0 -i https://mirror.baidu.com/pypi/simple/

模型转换(转onnx模型)

#下载模型
wget -nc -P ./inference https://paddleocr.bj.bcebos.com/PP-OCRv3/english/en_PP-OCRv3_det_infer.tar
cd ./inference && tar xf en_PP-OCRv3_det_infer.tar && cd ..
 
wget -nc  -P ./inference https://paddleocr.bj.bcebos.com/PP-OCRv3/english/en_PP-OCRv3_rec_infer.tar
cd ./inference && tar xf en_PP-OCRv3_rec_infer.tar && cd ..
 
wget -nc  -P ./inference https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_cls_infer.tar
cd ./inference && tar xf ch_ppocr_mobile_v2.0_cls_infer.tar && cd ..
 
#rec
#模型输入输出固化
python paddle_infer_shape.py --model_dir ./inference/en_PP-OCRv3_rec_infer/    \
    --model_filename inference.pdmodel                              \
    --params_filename inference.pdiparams                         \
    --save_dir new_model/rec/                            \
    --input_shape_dict="{'x':[1,3,48,320]}" 
#模型转换
paddle2onnx --model_dir new_model/rec/            \
    --model_filename inference.pdmodel             \
    --params_filename inference.pdiparams             \
    --save_file new_model/rec/en_PP-OCRv3_rec_infer.onnx             \
    --opset_version 11             \
    --enable_dev_version True 
#降低ONNX版本
python ModelTransVersion_rec.py 
 
#det
#模型输入输出固化
python paddle_infer_shape.py --model_dir ./inference/en_PP-OCRv3_det_infer/    \
    --model_filename inference.pdmodel                              \
    --params_filename inference.pdiparams                         \
    --save_dir new_model/det/                            \
    --input_shape_dict="{'x':[1,3,640,640]}" 
#模型转换
paddle2onnx --model_dir new_model/det/            \
    --model_filename inference.pdmodel             \
    --params_filename inference.pdiparams             \
    --save_file new_model/det/en_PP-OCRv3_det_infer.onnx             \
    --opset_version 11             \
    --enable_dev_version True 
#降低ONNX版本
python ModelTransVersion_det.py

rec模型转换

输出的rec模型路径

/home/kkx3/wyj/x3/TransModel/Paddle2ONNX/PaddleOCR/new_model/rec

模型转换

输出的det模型路径

/home/kkx3/wyj/x3/TransModel/Paddle2ONNX/PaddleOCR/new_model/det

由于x3派支持的版本限制需要降低onnx版本,左侧原版,右侧是降低版本后的,将降低后的复制到onnx模型转x3派的路径下进行模型转换。

模型转换(转x3板端的模型)

#进入到指定的测试路径
cd /home/kkx3/wyj/x3/TransModel/horizon_model_convert_sample/04_detection/09_ocr_det/mapper
#激活虚拟环境
conda activate x3model

修改配置文件01_check.sh

 配置上述上述步骤中生成的降低onnx版本后的onnx模型

执行脚本

#运行
bash 01_check.sh

运行结果

修改维度

/home/kkx3/wyj/x3/TransModel/horizon_model_convert_sample/04_detection/10_LED/mapper/preprocess.py

修改配置文件02_preprocess.sh

执行脚本

#运行
bash 02_preprocess.sh 

运行结果

修改配置文件03_build.sh和ocr_config.yaml

配置输入输出的模型路径和模型的名称 

运行

#运行
bash 03_build.sh 

输出模型的路径

/home/kkx3/wyj/x3/TransModel/horizon_model_convert_sample/04_detection/09_ocr_det/mapper/model_output

修改配置文件04_inference.sh

配置测试的模型和图片的路径

 运行

 结果图片保存路径

/home/kkx3/wyj/x3/TransModel/horizon_model_convert_sample/04_detection/09_ocr_det/mapper/ocr_det_result.png

左侧书输入的图像右侧是输出的解雇图片,白色的位置表示检测到的文字。

rec模型转换

#进入到指定的测试路径
cd /home/kkx3/wyj/x3/TransModel/horizon_model_convert_sample/04_detection/09_ocr_rec/mapper
#激活虚拟环境
conda activate x3model

 修改配置文件01_check.sh

 配置上述上述步骤中生成的降低onnx版本后的onnx模型

执行脚本

#运行
bash 01_check.sh

运行结果

修改配置文件02_preprocess.sh

执行脚本

#运行
bash 02_preprocess.sh 

修改配置文件03_build.sh和ocr_config.yaml

配置输入输出的模型路径和模型的名称 

运行

运行

bash 03_build.sh

运行结果

输出模型的路径

/home/kkx3/wyj/x3/TransModel/horizon_model_convert_sample/04_detection/09_ocr_rec/mapper/model_output

修改配置文件04_inference.sh

配置测试的模型和图片的路径

运行

运行

bash 04_inference.sh

运行结果

联合测试

进入指定的路径并激活虚拟环境

cd /home/kkx3/wyj/x3/TransModel/horizon_model_convert_sample/04_detection/09_ocr_demo/mapper 
conda activate x3model

 修改配置文件04_inference.sh

运行

bash 04_inference.sh

运行结果

测试图片

Python版本测试,将模型复制到板端测试(模型在板端的运行测试)

 Det检测测试

复制模型到板端运行

cd /app/pydev_demo/09_ocr_det_sample
./test_ocr.py

测试结果保存在当前的文件夹 

Rec检测测试

复制模型到板端运行

cd /app/pydev_demo/09_ocr_demo_sample
./test_ocr.py

测试结果

测试的结果

-=||=-赞 (4)
未经允许不得转载:金书世界 » PaddleOCR在地平线旭日X3派上的部署和测试(Python版本和C++版本)

相关文章

评论 (0)