本章介绍如何使用基于深度学习的光学字符识别技术（Deep OCR）。
深度 OCR 旨在检测和/或识别图像中的文本。该技术能识别连贯的字符组合，这些组合将被称为“单词”（区别于仅能识别单个字符的传统 OCR 方法）。
深度 OCR 模型可包含两个组件，分别负责两个独立任务：单词检测（即定位）与单词识别。默认情况下，模型会同时创建这两个组件，但也可仅限于执行其中任一任务。
HALCON 已提供预训练组件，这些组件无需额外训练即可适用于多种应用场景——因模型基于多样化数据集训练，故能处理众多不同字体。可通过 get_deep_ocr_param
以下段落将描述常规工作流程以及重新训练的相关内容。
本段落描述了如何使用深度 OCR 模型实现文字定位与识别的工作流程。具体应用场景可参考 HDevelop 示例文件 deep_ocr_workflow.hdev。
使用 create_deep_ocr
detection_model 和
recognition_model。
若要使用重新训练的模型组件替代默认组件，请通过 set_deep_ocr_param'recognition_model' 或 'detection_model' 来调整已创建的模型。
模型参数（例如所用设备、图像尺寸或最低评分）可通过 set_deep_ocr_param
深度 OCR 模型通过
apply_deep_ocrapply_deep_ocr
推理结果可从字典
DeepOCRResult
使用 dev_display_deep_ocr_results 显示位置和/或识别单词。
使用 dev_display_deep_ocr_results_preprocessed 在预处理图像上显示位置（若已推断则包含识别单词）（前提是模型包含 detection_model）。
使用 dev_display_deep_ocr_score_maps 显示分数图（前提是模型包含 detection_model）。
本段落描述了使用自定义数据对深度 OCR 模型的识别或检测组件进行重新训练和评估的过程。有关应用场景，请参阅 HDevelop 示例文件 deep_ocr_recognition_training_workflow.hdev 或
deep_ocr_detection_training_workflow.hdev。
本部分介绍如何对数据进行预处理。有关在深度 OCR 工作流程的哪个阶段需要提供哪些数据的信息，请参阅下文的“数据”部分。
需要从训练数据集的图像中获取的信息需要进行传输。此操作通过以下函数实现：
read_dl_dataset_ocr_recognition 用于深度 OCR 模型的识别组件。
read_dl_dataset_ocr_detection 用于深度 OCR 模型的检测组件。
它创建了一个名为 DLDataset 的字典，该字典充当数据库，存储关于数据的所有必要信息。有关数据集的更多信息，请参阅 深度学习 / 模型 一章。
将字典
DLDataset 表示的数据集进行拆分。可通过以下函数实现：
split_dl_dataset.
网络对图像提出了若干要求。这些要求（例如图像尺寸和灰度值范围）可以获取，通过算子
为此，您需要先使用
现在您可以对数据集进行预处理。为此，您可以使用以下函数：
preprocess_dl_dataset。
要使用此函数，请指定预处理参数（例如图像尺寸）。将所有参数及其值存储在字典 DLPreprocessParam 中，为此可使用函数
create_dl_preprocess_param_from_model。
我们建议保存此字典 DLPreprocessParam，以便在后续推理阶段能够访问预处理参数值。
本部分说明如何训练深度OCR模型的识别或检测组件。
设置训练参数并将其存储在字典 TrainParam 中。可通过以下函数实现
create_dl_train_param。
训练模型。这可以通过以下函数实现
train_dl_model。
该函数要求：
模型句柄 DLModelHandle
包含数据信息的字典 DLDataset
包含训练参数的字典 TrainParam
在本部分中，我们将评估深度 OCR 模型。
设置可能影响评估的模型参数。
评估可以便捷完成，使用函数
evaluate_dl_model。
该函数需要一个包含评估参数的字典 GenParamEval。
字典 EvaluationResult 存储了评估指标。要了解重新训练的模型相对于预训练模型的表现，可比较它们的评估值。要理解不同的评估指标，请参阅“深度 OCR 结果的评估指标”一节。
成功评估后，重新训练的模型即可用于推理（参见上文“深度 OCR 推理的一般工作流程”部分）。
本节说明在深度 OCR 工作流程的不同阶段需要提供的数据信息。
我们将用于训练和评估的数据（包含图像及其实例信息）与用于推理的数据（仅包含原始图像）区分开来。数据的具体提供方式将在下文相关小节中说明。
作为基础概念，该模型通过字典处理数据，即接收以字典 DLSampleDLResultDLTrainResult
该数据集包含图像及其对应信息。这些数据必须以模型可处理的形式提供。关于图像要求，请参阅下文“图像”部分获取更多信息。
训练数据用于针对您的特定应用场景训练和评估网络。借助这些数据，网络能够学习识别或检测与推理过程中出现的文本相似的文本样本。通过为每幅图像提供所示单词，即可获得必要的信息。
关于数据在 HALCON 中如何格式化以供深度学习模型使用，请参阅 深度学习 / 模型 一章。简而言之，字典 DLDataset
根据所使用的模型类型，可通过 read_dl_dataset_ocr_recognition 或
read_dl_dataset_ocr_detection 读取 DLDataset
在此情况下，需提供带有旋转边界框标注单词的图像。您可使用 MVTec 官网提供的 MVTec 深度学习工具（DLT）对数据进行标注。数据集必须按以下方式构建：
'class_ids'：类 IDs
'class_names'：类名称（必须包含 'word' 类。其他类将被忽略。）
'image_dir'：图像目录路径
'samples'：字典元组，每个样本对应一个字典
'image_file_name'：图像文件名
'image_id'：图像 ID
'bbox_col'：边界框列坐标
'bbox_row'：边界框行坐标
'bbox_phi'：边界框角度
'bbox_length1'：边界框边长 1 的一半
'bbox_length2'：边界框边长 2 的一半
'label_custom_data'：包含每个边界框自定义标签数据的字典列表
'text' 待读取单词
在此情况下，仅包含被裁剪为单个单词的图像。数据集必须按以下方式构建：
'image_dir'：图像目录路径
'samples'：字典元组，每个样本对应一个字典
'image_file_name'：图像文件名
'image_id'：图像 ID
'word'：图像中待读取的单词
示例程序 deep_ocr_prelabel_dataset.hdev 可通过预先标注数据来提供帮助。
您的训练数据应涵盖推理过程中可能出现的全部字符。若某字符未包含于训练数据集或仅极少出现，模型可能无法正确学习识别该字符。为追踪数据集内的字符分布情况，我们提供了
gen_dl_dataset_ocr_recognition_statistics 函数，该函数可生成数据集中每个字符的出现频率统计数据。
你还需要足够的训练数据，以便将其划分为三个子集，分别用于训练、验证和测试网络。这些子集最好是独立且同分布的，详见 深度学习 一章中的“数据”部分 。
该模型对图像提出了要求，例如尺寸、灰度值范围和类型。有关可训练深度 OCR 模型的具体参数值，请参阅 read_dl_modelget_dl_model_parampreprocess_dl_samples 中实现。
用于推理的图像要求详见
apply_deep_ocr
网络输出取决于任务：
作为输出，该算子将返回一个名为 DLTrainResult
作为输出，网络将为每个样本返回一个字典 DLResult
HALCON 支持以下评估指标。为计算这些指标用于测试或验证，需要真实标注数据。
精确率、召回率和 F 分数
深度 OCR 检测的性能评估基于单词框的精确率和召回率。评估采用交并比（IoU）来比较真实与预测的单词框。匹配的默认 IoU 阈值为 0.5，可根据需要增减。
| ( 1) | ( 2) |
精确率是指真正类与所有正类（真正类与假正类）之比。因此，它是衡量检测器可靠性的指标。
召回率是指正确检测到的单词数量与所有标注单词数量之比。
要用单一数字表示该指标，我们计算 F 分数，即精确率与召回率的调和平均值。
角度精度评分（SoAP）
SoAP 值是衡量推断方位角精度的评分指标。该评分由推断边界框（I）与对应真实值标注（GT）之间的角度差异决定： 其中索引 遍历所有推断出的边界框。
深度 OCR 识别任务的准确率定义为数据集中正确识别单词（CR）占真实单词（GT）的百分比。准确率计算公式如下：
apply_deep_ocr应用深度光学字符识别create_deep_ocr创建深度光学字符识别get_deep_ocr_param获取深度光学字符识别参数read_deep_ocr读取深度光学字符识别set_deep_ocr_param设置深度光学字符识别参数write_deep_ocr写入深度光学字符识别