# OCR文字识别

# 简介

OCR（Optical Character Recognition，光学字符识别）是一种将图像中的文字内容自动识别并转换为可编辑、可搜索文本的技术。它广泛应用于文档数字化、票据识别、身份证扫描、车牌识别等场景。

OCR 的核心流程通常包括以下几个步骤：

图像预处理：对输入图像进行灰度化、去噪、二值化等处理，提高识别准确率。

文本检测：定位图像中出现文字的位置（即检测出文字框）。

方向分类：判断文字方向，确保后续识别按正确的方向进行（如是否旋转了90°）。

文字识别：将检测到的文字区域逐个识别为具体的字符或字符串。

后处理：对识别结果进行排序、去噪、拼接或结构化处理，提升可读性和准确性。

现代 OCR 系统往往结合深度学习算法（如 CRNN、Transformer、PP-OCR 等），在复杂场景下依然能保持较高的准确率，甚至能识别手写体、多语言、竖排文本等。

通用文字识别
手写字识别
票据识别
多角度文本识别
表格识别
车牌识别 - 单层/双层检测 - 车牌颜色识别

# 安装

# 1、环境要求

Java 版本：JDK 8或更高版本
操作系统：Windows/Linux/MacOS

注意事项：

macos M系列芯片，目前不支持JDK8使用，最低请使用JDK11

# 2、Maven

在项目的 pom.xml 中添加以下依赖以及平台依赖库，详细引入方式参考 Maven 引入。如需引入全部功能，请使用 smartjavaai-all 模块。

<dependency>
    <groupId>cn.smartjavaai</groupId>
    <artifactId>smartjavaai-ocr</artifactId>
    <version>1.0.22</version>
</dependency>

# 3、模型介绍及下载

# 文本检测模型

全部下载链接: https://pan.baidu.com/s/1tczxpxkdL_7h9WDT77RWCA?pwd=1234 提取码: 1234

模型名称	精度-检测 Hmean (%)	GPU 推理耗时（ms）常规 / 高性能	CPU 推理耗时（ms）常规 / 高性能	模型大小 (MB)	介绍
PP-OCRv5_server_det	83.8	89.55 / 70.19	371.65 / 371.65	84.3	服务端文本检测模型，精度更高，适合在性能较好的服务器上部署
PP-OCRv5_mobile_det	79.0	10.67 / 6.36	57.77 / 28.15	4.7	轻量文本检测模型，效率更高，适合在端侧设备部署
PP-OCRv4_server_det	69.2	127.82 / 98.87	585.95 / 489.77	109	服务端文本检测模型，精度更高，适合在性能较好的服务器上部署
PP-OCRv4_mobile_det	63.8	9.87 / 4.17	56.60 / 20.79	4.7	轻量文本检测模型，效率更高，适合在端侧设备部署

# 文本识别模型

模型名称	精度-Avg Accuracy (%)	GPU 推理耗时（ms）常规 / 高性能	CPU 推理耗时（ms）常规 / 高性能	模型大小 (MB)	介绍
PP-OCRv5_server_rec	86.38	8.45 / 2.36	122.69 / 122.69	81	（服务端）致力于以单一模型高效、精准地支持简体中文、繁体中文、英文、日文四种主要语言，以及手写、竖版、拼音、生僻字等复杂文本场景的识别。在保持识别效果的同时，兼顾推理速度和模型鲁棒性，为各种场景下的文档理解提供高效、精准的技术支撑。
PP-OCRv5_mobile_rec	81.29	5.43 / 1.46	21.20 / 5.32	16	（轻量）致力于以单一模型高效、精准地支持简体中文、繁体中文、英文、日文四种主要语言，以及手写、竖版、拼音、生僻字等复杂文本场景的识别。在保持识别效果的同时，兼顾推理速度和模型鲁棒性，为各种场景下的文档理解提供高效、精准的技术支撑。
PP-OCRv4_server_rec	85.19	8.75 / 2.49	36.93 / 36.93	173	（服务端）推理精度高，可以部署在多种不同的服务器上
PP-OCRv4_mobile_rec	78.74	5.26 / 1.12	17.48 / 3.61	10.5	（轻量）效率更高，适合在端侧设备部署

# 文本方向分类模型(cls)

模型名称	精度- Top-1 Acc（%）	GPU推理耗时（ms）	CPU推理耗时 (ms)	模型大小 (MB)	介绍
PP_LCNET_X0_25	98.85	2.16 / 0.41	2.37 / 0.73	< 1	（轻量）基于PP-LCNet_x0_25的文本行分类模型
PP_LCNET_X1_0	99.42	- / -	2.98 / 2.98	6.5	基于PP-LCNet_x1_0的文本行分类模型
ch_ppocr_mobile_v2.0_cls				< 1	原始分类器模型，对检测到的文本行文字角度分类

# 表格结构识别(Table Structure Recognition)

模型名称	精度（%）	GPU推理耗时（ms）[常规模式 / 高性能模式]	CPU推理耗时（ms）[常规模式 / 高性能模式]	模型简介	模型开源网站
SLANet	59.52	23.96 / 21.75	- / 43.12	该模型通过轻量级骨干 PP-LCNet、CSP-PAN 融合与 SLA Head 解码，有效提升表格结构识别的精度与速度。	Github (opens new window)
SLANet_plus	63.69	23.43 / 22.16	- / 41.80	（增强版）该模型通过轻量级骨干 PP-LCNet、CSP-PAN 融合与 SLA Head 解码，有效提升表格结构识别的精度与速度。	Github (opens new window)

OCR最佳实践：

提高识别速度的优化建议：

1、查看模型列表，优先选择高速、轻量级模型。

2、使用 GPU（高性能显卡）加速推理计算。

3、关闭方向矫正

# OCR文本检测

检测图像中的文本区域，仅返回文本框位置，不识别文字内容

获取OCR检测模型：

OcrDetModelConfig config = new OcrDetModelConfig();
config.setModelEnum(CommonDetModelEnum.PP_OCR_V5_MOBILE_DET_MODEL);
config.setDetModelPath("/PP-OCRv5_mobile_det_infer/PP-OCRv5_mobile_det_infer.onnx");
OcrCommonDetModel model = OcrModelFactory.getInstance().getDetModel(config);

OcrDetModelConfig参数说明

字段名称	字段类型	必选	默认值	说明
modelEnum	CommonDetModelEnum	是	无	OCR文本检测模型枚举
detModelPath	String	是	无	检测模型路径，需手动指定
device	DeviceEnum	否	CPU	指定运行设备，支持 CPU/GPU
gpuId	int	否	0	gpu设备ID 当device为GPU时生效
batchifier	String	否		批量数据打包方式：stack，padding
customParams	ConcurrentHashMap<String, Object>	否		个性化配置

customParams个性化配置支持以下参数：

字段名称	字段类型	默认值	说明
limit_side_len	int	960	检测的图像边长限制
max_candidates	int	1000	输出的最大文本框数量
min_size	int	3	文本框最小尺寸阈值
box_thresh	float	0.6f	文本框的分数阈值

注意事项：

模型必须位于单独文件夹中，否则可能导致加载失败。

文本检测方法

List<OcrBox> detect(String imagePath);
List<OcrBox> detect(BufferedImage image);
List<OcrBox> detect(byte[] imageData);

OcrBox字段说明

返回并非json格式，仅用于字段讲解

[
  {
    "topLeft": { // 左上角坐标
      "x": 838,
      "y": 1069
    },
    "topRight": { // 右上角坐标
      "x": 1149,
      "y": 985
    },
    "bottomRight": {  // 右下角坐标
      "x": 1191,
      "y": 1142
    },
    "bottomLeft": { // 左下角坐标
      "x": 880,
      "y": 1226
    }
  }
]

批量文本检测

批量文本检测，只支持分辨率一致的图片。

List<List<OcrBox>> batchDetect(List<BufferedImage> imageList)
List<List<OcrBox>> batchDetectDJLImage(List<Image> imageList)

检测并绘制文本框

/**
 * 检测并绘制
 * @param imagePath 图片输入路径（包含文件名称）
 * @param outputPath 图片输出路径（包含文件名称）
 */
void detectAndDraw(String imagePath, String outputPath);

/**
 * 检测并绘制
 * @param sourceImage
 * @return
 */
BufferedImage detectAndDraw(BufferedImage sourceImage);

# OCR文本方向检测

检测每行文本的方向：支持返回四种可能的方向角度：0°, 90°, 180°, 270°，用于进一步识别处理。
检测流程：文本检测 -> 文本方向分类

注意事项：

模型必须位于单独文件夹中，否则可能导致加载失败。

获取OCR方向检测模型：

DirectionModelConfig directionModelConfig = new DirectionModelConfig();
directionModelConfig.setModelEnum(DirectionModelEnum.PP_LCNET_X0_25);
directionModelConfig.setModelPath("/PP-LCNet_x0_25_textline_ori_infer/PP-LCNet_x0_25_textline_ori_infer.onnx");
directionModelConfig.setDevice(device);
directionModelConfig.setTextDetModel(getDetectionModel());
return OcrModelFactory.getInstance().getDirectionModel(directionModelConfig);

DirectionModelConfig参数说明

字段名称	字段类型	必选	默认值	说明
modelEnum	DirectionModelEnum	是	无	文本方向模型枚举
modelPath	String	是	无	文本方向检测模型路径，需手动指定
textDetModel	OcrCommonDetModel	是	无	文本检测模型
detModelPath	String	是	无	检测模型路径，需手动指定
device	DeviceEnum	否	CPU	指定运行设备，支持 CPU/GPU
gpuId	int	否	0	gpu设备ID 当device为GPU时生效
batchifier	String	否		批量数据打包方式：stack，padding
customParams	ConcurrentHashMap<String, Object>	否		个性化配置

文本检测方法

List<OcrItem> detect(String imagePath);
List<OcrItem> detect(BufferedImage image);
List<OcrItem> detect(byte[] imageData);

OcrItem字段说明

返回并非json格式，仅用于字段讲解

[
  {
    "angle": "ANGLE_180", // 角度 枚举：AngleEnum
    "ocrBox": {
      "topLeft": { // 左上角坐标
        "x": 838,
        "y": 1069
      },
      "topRight": { //  右上角坐标
        "x": 1149,
        "y": 985
      },
      "bottomRight": { //  右下角坐标
        "x": 1191,
        "y": 1142
      },
      "bottomLeft": { // 左下角坐标
        "x": 880,
        "y": 1226
      }
    },
    "score": 1 //  检测结果分数
  }
]

检测并绘制检测结果

/**
 * 检测并绘制
 * @param imagePath 图片输入路径（包含文件名称）
 * @param outputPath 图片输出路径（包含文件名称）
 */
void detectAndDraw(String imagePath, String outputPath);

/**
 * 检测并绘制
 * @param sourceImage
 * @return
 */
BufferedImage detectAndDraw(BufferedImage sourceImage);

# OCR文字识别

已集成PaddleOCR最新的-全场景文字识别模型PP-OCRv5：单模型支持五种文字类型和复杂手写体识别；整体识别精度相比上一代提升13个百分点。

支持简体中文、繁体中文、英文、日文四种主要语言，以及手写、竖版、拼音、生僻字

注意事项：

模型必须位于单独文件夹中，否则可能导致加载失败。

获取OCR文字识别模型：

OcrRecModelConfig recModelConfig = new OcrRecModelConfig();
recModelConfig.setRecModelEnum(CommonRecModelEnum.PP_OCR_V5_MOBILE_REC_MODEL);
recModelConfig.setRecModelPath("PP-OCRv5_mobile_rec_infer/PP-OCRv5_mobile_rec_infer.onnx");
recModelConfig.setDevice(device);
recModelConfig.setTextDetModel(getDetectionModel());
recModelConfig.setDirectionModel(getDirectionModel());
return OcrModelFactory.getInstance().getRecModel(recModelConfig);

OcrRecModelConfig参数说明

字段名称	字段类型	必选	默认值	说明
recModelEnum	CommonRecModelEnum	是	无	文本识别模型枚举
recModelPath	String	是	无	文本识别模型路径，需手动指定
textDetModel	OcrCommonDetModel	是	无	文本检测模型
directionModel	OcrDirectionModel	是	无	文本方向模型
device	DeviceEnum	否	CPU	指定运行设备，支持 CPU/GPU
gpuId	int	否	0	gpu设备ID 当device为GPU时生效
batchifier	String	否		批量数据打包方式：stack，padding
customParams	ConcurrentHashMap<String, Object>	否		个性化配置

文本识别方法

OcrInfo recognize(String imagePath, OcrRecOptions options);
OcrInfo recognize(BufferedImage image, OcrRecOptions options);
OcrInfo recognize(byte[] imageData, OcrRecOptions options);
OcrInfo recognize(Image image, OcrRecOptions options);

OcrRecOptions参数说明

字段名称	字段类型	必选	默认值	说明
enableDirectionCorrect	boolean	是	false	是否进行文本方向矫正
enableLineSplit	boolean	是	true	是否进行结果分行

OcrInfo字段说明

fullText：识别得到的完整文本。每一行为一段识别结果，以换行符 \n 分隔；同一行中，多个检测框的文字以空格分隔。
lineList：按行组织的识别结果。每一行使用一个 List<OcrItem> 表示，该列表包含该行中每个检测框对应的文字，便于结构化处理。
ocrItemList: 当enableLineSplit = false; 则返回的lineList为空,ocrItemList 为识别结果列表
返回并非json格式，仅用于字段讲解

{
  "fullText": "没有吃饱只有一个 \n烦恼 \n",
  "lineList": [
    [
      {
        "ocrBox": { // 左上角坐标
          "topLeft": {
            "x": 123,
            "y": 605
          },
          "topRight": { // 右上角坐标
            "x": 941,
            "y": 359
          },
          "bottomRight": {  // 右下角坐标
            "x": 977,
            "y": 481
          },
          "bottomLeft": { // 左下角坐标
            "x": 161,
            "y": 727
          }
        },
        "text": "没有吃饱只有一个" // 文字
      }
    ],
    [
      {
        "ocrBox": {
          "topLeft": {
            "x": 123,
            "y": 605
          },
          "topRight": {
            "x": 941,
            "y": 359
          },
          "bottomRight": {
            "x": 977,
            "y": 481
          },
          "bottomLeft": {
            "x": 161,
            "y": 727
          }
        },
        "text": "烦恼"
      }
    ]
  ]
}

批量文本识别

批量文本识别，只支持分辨率一致的图片。

List<OcrInfo> batchRecognize(List<BufferedImage> imageList, OcrRecOptions options)
List<OcrInfo> batchRecognizeDJLImage(List<Image> imageList, OcrRecOptions options)

识别并绘制识别结果

/**
 * 识别并绘制
 * @param imagePath 图片输入路径（包含文件名称）
 * @param outputPath 图片输出路径（包含文件名称）
 */
void recognizeAndDraw(String imagePath, String outputPath, OcrRecOptions options);

/**
 * 识别并绘制
 * @param sourceImage
 * @return
 */
BufferedImage recognizeAndDraw(BufferedImage sourceImage, OcrRecOptions options);

# 表格识别

表格结构识别是表格识别系统中的重要组成部分，能够将不可编辑表格图片转换为可编辑的表格形式（例如html）。表格结构识别的目标是对表格的行、列和单元格位置进行识别

表格识别流程：

实际效果图：

获取表格结构识别模型：

TableStructureConfig config = new TableStructureConfig();
config.setModelEnum(TableStructureModelEnum.SLANET_PLUS);
config.setModelPath("/slanet-plus/slanet-plus.onnx");
config.setDevice(device);
TableStructureModel tableStructureModel = TableRecModelFactory.getInstance().getTableStructureModel(config);

TableStructureModel参数说明

字段名称	字段类型	必选	默认值	说明
modelEnum	TableStructureModelEnum	是	无	模型枚举
modelPath	String	是	无	模型路径，需手动指定
device	DeviceEnum	否	CPU	指定运行设备，支持 CPU/GPU
gpuId	int	否	0	gpu设备ID 当device为GPU时生效
batchifier	String	否		批量数据打包方式：stack，padding
customParams	ConcurrentHashMap<String, Object>	否		个性化配置

核心类说明：

类名	说明
TableStructureModel	表格结构识别模型，用于检测图像中的表格结构。
OcrCommonDetModel	文本检测模型，用于识别图像中的文本区域。
OcrCommonRecModel	文本识别模型，用于识别文本区域中的具体文字。
OcrDirectionModel	文本方向检测模型，用于识别文本是否旋转。
TableRecognizer	表格识别器，负责整合所有模型并执行表格识别流程。

构建表格识别器

TableRecognizer tableRecognizer = TableRecognizer.builder()
    .withStructureModel(tableStructureModel)
    .withTextDetModel(detModel)
    .withDirectionModel(getDirectionModel())
    .withTextRecModel(recModel).build();

其中除方向检测模型外，其他都是必须设置的模型，如果文本方向都是正向，无需设置方向检测模型

表格识别方法：

R<TableStructureResult> recognize(String imagePath)
R<TableStructureResult> recognize(BufferedImage image)
R<TableStructureResult> recognize(byte[] imageData)
R<TableStructureResult> recognize(Image image)

TableStructureResult字段说明

返回并非json格式，仅用于字段讲解

{
    "ocrItemList": [
        {
            "ocrBox": { // 表格td检测框
                "topLeft": {
                    "x": 1.2437801361083984,
                    "y": 3.537935495376587
                },
                "topRight": {
                    "x": 140.4019317626953,
                    "y": 3.537935495376587
                },
                "bottomRight": {
                    "x": 140.4019317626953,
                    "y": 90.6494369506836
                },
                "bottomLeft": {
                    "x": 1.2437801361083984,
                    "y": 90.6494369506836
                }
            },
            "score": 0.9998747
        },
        {
            "ocrBox": {
                "topLeft": {
                    "x": 128.6870574951172,
                    "y": 4.578607082366943
                },
                "topRight": {
                    "x": 263.6147155761719,
                    "y": 4.578607082366943
                },
                "bottomRight": {
                    "x": 263.6147155761719,
                    "y": 88.69718170166016
                },
                "bottomLeft": {
                    "x": 128.6870574951172,
                    "y": 88.69718170166016
                }
            },
            "score": 0.99999917
        }
    ],
    "tableTagList": [ //表格标签
        "<html>",
        "<body>",
        "<table>",
        "<tr>",
        "<td></td>",
        "<td></td>",
        "</tr>",
        "<tr>",
        "<td></td>",
        "<td></td>",
        "</tr>",
        "<tr>",
        "<td",
        " colspan\u003d\"2\"",
        ">",
        "</td>",
        "</tr>",
        "</table>",
        "</body>",
        "</html>"
    ],
    "html": "<style>\ntable { border-collapse: collapse; }\ntd, th, table { border: 1px solid black; padding: 5px; }\n</style>\n<html><body><table><tr><td>姓名</td><td>年龄</td></tr><tr><td>张三</td><td>18</td></tr><tr><td colspan\u003d\"2\"></td></tr></table></body></html>"
}

也可以通过如下方法绘制表格结构识别结果：

public void drawTable(TableStructureResult tableStructureResult, BufferedImage image, String savePath)

也可以将html内容导出excel文件：

public void exportExcel(String html, String savePath)

注意事项：

1、目前表格识别仅支持简单表格，复杂表格可能会识别不准确

2、如果导出excel报错，可以通过drawTable导出表格结构识别结果，查看表格结构是否识别正确

# 车牌检测

车牌检测是计算机视觉中的一项技术，用于从图像或视频中自动定位车辆的车牌区域，支持识别单层和双层车牌，为后续的车牌字符识别提供精准输入

支持的模型如下：

模型名称	模型简介	模型开源网站
YOLOV5	基于YOLOV5训练，支持12种中文车牌	Github (opens new window)
yolov7-lite-t	（超小型模型）YOLOv7-Lite 架构的轻量级车牌检测模型	Github (opens new window)
yolov7-lite-s	YOLOv7-Lite 架构的轻量级车牌检测模型	Github (opens new window)

获取车牌检测模型：

PlateDetModelConfig config = new PlateDetModelConfig();
config.setModelEnum(PlateDetModelEnum.YOLOV5);
config.setModelPath("/model/plate/yolov5_plate_detect.onnx");
config.setDevice(device);
PlateDetModel plateDetModel = PlateModelFactory.getInstance().getDetModel(config);

PlateDetModelConfig参数说明

字段名称	字段类型	必选	默认值	说明
modelEnum	CommonDetModelEnum	是	无	车牌检测模型枚举
modelPath	String	是	无	检测模型路径，需手动指定
confidenceThreshold	float	否	0.3f	置信度阈值
iouThreshold	float	否	0.5f	iou阈值
topK	int	否	100	检测结果数量
device	DeviceEnum	否	CPU	指定运行设备，支持 CPU/GPU
gpuId	int	否	0	gpu设备ID 当device为GPU时生效
customParams	ConcurrentHashMap<String, Object>	否		个性化配置

注意事项：

模型必须位于单独文件夹中，否则可能导致加载失败。

文本检测方法

R<List<PlateInfo>> detect(String imagePath);
R<List<PlateInfo>> detect(BufferedImage image);
R<List<PlateInfo>> detect(byte[] imageData);
R<List<PlateInfo>> detect(InputStream inputStream);
R<List<PlateInfo>> detectBase64(String base64Image);
R<List<PlateInfo>> detect(Image image);

检测并绘制检测结果

/**
 * 检测并绘制
 * @param imagePath 图片输入路径（包含文件名称）
 * @param outputPath 图片输出路径（包含文件名称）
 */
void detectAndDraw(String imagePath, String outputPath);

/**
 * 检测并绘制
 * @param sourceImage
 * @return
 */
BufferedImage detectAndDraw(BufferedImage sourceImage);

PlateInfo字段说明

返回并非json格式，仅用于字段讲解

[
  {
    "plateType": "SINGLE", //车牌类型：SINGLE-单层，DOUBLE-双层
    "detectionRectangle": { //车牌位置信息
      "x": 424,
      "y": 298,
      "width": 243,
      "height": 130
    },
    "box": { // 车牌4点坐标
      "topLeft": {
        "x": 424.96429443359375,
        "y": 351.9092102050781
      },
      "topRight": {
        "x": 646.1655883789062,
        "y": 297.97735595703125
      },
      "bottomRight": {
        "x": 669.95361328125,
        "y": 376.01025390625
      },
      "bottomLeft": {
        "x": 445.5194091796875,
        "y": 427.5689392089844
      }
    },
    "score": 0.9076154
  }
]

# 车牌识别

车牌识别（License Plate Recognition, 简称 LPR）是一种基于计算机视觉的技术，用于自动检测图像或视频中的车牌位置，并识别车牌上的字符信息，通常包括省份简称、字母和数字等内容

车牌识别流程：

车牌检测 -> 车牌矫正 -> 车牌识别

支持的模型如下：

模型名称	模型简介	模型开源网站
PLATE_REC_CRNN	CRNN中文字符识别	Github (opens new window)

获取车牌识别模型：

PlateRecModelConfig recModelConfig = new PlateRecModelConfig();
recModelConfig.setModelEnum(PlateRecModelEnum.PLATE_REC_CRNN);
recModelConfig.setModelPath("/model/plate/plate_rec_color.onnx");
recModelConfig.setPlateDetModel(getPlateDetModel());
return PlateModelFactory.getInstance().getRecModel(recModelConfig);

PlateDetModelConfig参数说明

字段名称	字段类型	必选	默认值	说明
modelEnum	CommonDetModelEnum	是	无	车牌识别模型枚举
modelPath	String	是	无	检测模型路径，需手动指定
plateDetModel	PlateDetModel	是	无	车牌检查模型
device	DeviceEnum	否	CPU	指定运行设备，支持 CPU/GPU
gpuId	int	否	0	gpu设备ID 当device为GPU时生效
customParams	ConcurrentHashMap<String, Object>	否		个性化配置

注意事项：

模型必须位于单独文件夹中，否则可能导致加载失败。

车牌识别方法

R<List<PlateInfo>> recognize(String imagePath);
R<List<PlateInfo>> recognize(BufferedImage image);
R<List<PlateInfo>> recognize(byte[] imageData);
R<List<PlateInfo>> recognize(InputStream inputStream);
R<List<PlateInfo>> recognizeBase64(String base64Image);
R<List<PlateInfo>> recognize(Image image);

车牌识别方法（裁剪后图片）

R<List<PlateInfo>> recognizeCropped(Image image);

识别并绘制识别结果

void recognizeAndDraw(String imagePath, String outputPath);
BufferedImage recognizeAndDraw(BufferedImage sourceImage);

PlateInfo字段说明

返回并非json格式，仅用于字段讲解

车牌颜色支持：黑色, 蓝色, 绿色, 白色, 黄色

[
  {
    "plateType": "SINGLE", //车牌类型：SINGLE-单层，DOUBLE-双层
    "plateNumber": "川A8H458", //车号
    "plateColor": "蓝色", //车牌颜色
    "detectionRectangle": {
      "x": 424,
      "y": 298,
      "width": 243,
      "height": 130
    },
    "box": {
      "topLeft": {
        "x": 424.96429443359375,
        "y": 351.9092102050781
      },
      "topRight": {
        "x": 646.1655883789062,
        "y": 297.97735595703125
      },
      "bottomRight": {
        "x": 669.95361328125,
        "y": 376.01025390625
      },
      "bottomLeft": {
        "x": 445.5194091796875,
        "y": 427.5689392089844
      }
    },
    "score": 0.9076154
  }
]

# 完整示例代码

示例代码 (opens new window)

# 离线使用

离线使用请看文档

← 目标检测模型训练语音识别 →