numerique-gouv / formIAble

Installation de l'environnement

Installation avec conda

Vérifier l'installation de conda avec conda --version, puis créer un environnement formIAble avec:

conda create -n formIAble -y python=3.8
conda activate formIAble
pip install -r requirements.txt

Installation de paddleOCR

Python 3.8 est requis.

MacOS: installation de PyMuPDF

Vérifier l'installation de homebrew: brew help
Pour installer homebrew: https://brew.sh
Puis installer les dépendances:

brew install swig freetype
pip install PyMuPDF

Ubuntu (notamment pour les images du SSP Cloud): installation des librairies système

sudo apt-get update && sudo apt-get -y install libgl1
sudo apt-get -y install libglib2.0-0

Installation de cargo (prérequis):

Vérifier l'installation de cargo avec cargo help
Si cargo n'est pas installé, l'installer avec:

curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh

Installation de paddlepaddle (prérequis):

Installation via pip:

pip install paddlepaddle

Installation de paddleocr (dernière étape)

Installation via pip:

pip install paddleocr

Installation de MMOCR

pip install openmim
mim install mmengine
mim install mmcv
mim install mmdet
mim install mmocr

Annotation d'images

Pré-annotation avec Doctr

python3 -m src.data.labeling.label_images projet-formiable/data/ls_data/ projet-formiable/data/ls_prelabels/

Génération de formulaires synthétiques

Pour générer des formulaires synthétiques, il faut partir d'un formulaire vide comme celui-ci et spécifier la liste des champs à remplir, en précisant les coordonnées et le type de chaque champ comme dans ce fichier json.
Le script suivant permet de lancer la génération de formulaires synthétiques:

python src/util/generate_cerfa.py

Classification des formulaires - exemples

Pour ajouter une référence

python "src/models/classify-form/PaddleOCR_TextMatch/classify.py" add_form_reference "data/synthetic_forms/cerfa_14011_03_fake1.jpg" "src/models/classify-form/PaddleOCR_TextMatch/references_accepted.txt"

Pour extraire une référence

python "src/models/classify-form/PaddleOCR_TextMatch/classify.py" get_form_reference "data/synthetic_forms/cerfa_14011_03_fake1.jpg"

Pour classer un formulaire (extraction de la référence puis recherche dans le fichier references_accepted.txt):

python "src/models/classify-form/PaddleOCR_TextMatch/classify.py" classify_form_image "data/synthetic_forms/cerfa_14011_03_fake1.jpg" "src/models/classify-form/PaddleOCR_TextMatch/references_accepted.txt"

Transformation affine automatique

Pour lancer un exemple.

python "src/models/auto-rotation-translation/PaddleOCR.py"

Appliquer le paramètre cls = False permet de supprimer la détection automatique du sens du texte et d'améliorer les performances, mais cela rend impossible la détection de documents dont le sens est inversé.