12 KiB
English | 简体中文
简介
PaddleOCR旨在打造一套丰富、领先、且实用的OCR工具库，助力使用者训练出更好的模型，并应用落地。
近期更新
- 2020.7.23 发布7月21日B站直播课回放和PPT，PaddleOCR开源大礼包全面解读，获取地址
- 2020.7.15 添加基于EasyEdge和Paddle-Lite的移动端DEMO，支持iOS和Android系统
- 2020.7.15 完善预测部署，添加基于C++预测引擎推理、服务化部署和端侧部署方案，以及超轻量级中文OCR模型预测耗时Benchmark
- 2020.7.15 整理OCR相关数据集、常用数据标注以及合成工具
- 2020.7.9 添加支持空格的识别模型，识别效果，预测及训练方式请参考快速开始和文本识别训练相关文档
- 2020.7.9 添加数据增强、学习率衰减策略,具体参考配置文件
- more
特性
- 超轻量级中文OCR模型，总模型仅8.6M
- 单模型支持中英文数字组合识别、竖排文本识别、长文本识别
- 检测模型DB（4.1M）+识别模型CRNN（4.5M）
- 实用通用中文OCR模型
- 多种预测推理部署方案，包括服务部署和端侧部署
- 多种文本检测训练算法，EAST、DB
- 多种文本识别训练算法，Rosetta、CRNN、STAR-Net、RARE
- 可运行于Linux、Windows、MacOS等多种系统
快速体验
上图是超轻量级中文OCR模型效果展示，更多效果图请见效果展示页面。
-
超轻量级中文OCR在线体验地址：https://www.paddlepaddle.org.cn/hub/scene/ocr
-
移动端DEMO体验(基于EasyEdge和Paddle-Lite, 支持iOS和Android系统)：安装包二维码获取地址
Android手机也可以扫描下面二维码安装体验。
中文OCR模型列表
| 模型名称 | 模型简介 | 检测模型地址 | 识别模型地址 | 支持空格的识别模型地址 |
|---|---|---|---|---|
| chinese_db_crnn_mobile | 超轻量级中文OCR模型 | inference模型 / 预训练模型 | inference模型 / 预训练模型 | inference模型 / 预训练模型 |
| chinese_db_crnn_server | 通用中文OCR模型 | inference模型 / 预训练模型 | inference模型 / 预训练模型 | inference模型 / 预训练模型 |
文档教程
- 快速安装
- 中文OCR模型快速使用
- 算法介绍
- 模型训练/评估
- 预测部署
- 基于Python预测引擎推理
- 基于C++预测引擎推理
- 服务化部署
- 端侧部署
- 模型量化压缩（coming soon）
- Benchmark
- 数据集
- FAQ
- 效果展示
- 技术交流群
- 参考文献
- 许可证书
- 贡献代码
算法介绍
1.文本检测算法
PaddleOCR开源的文本检测算法列表：
在ICDAR2015文本检测公开数据集上，算法效果如下：
| 模型 | 骨干网络 | precision | recall | Hmean | 下载链接 |
|---|---|---|---|---|---|
| EAST | ResNet50_vd | 88.18% | 85.51% | 86.82% | 下载链接 |
| EAST | MobileNetV3 | 81.67% | 79.83% | 80.74% | 下载链接 |
| DB | ResNet50_vd | 83.79% | 80.65% | 82.19% | 下载链接 |
| DB | MobileNetV3 | 75.92% | 73.18% | 74.53% | 下载链接 |
使用LSVT街景数据集共3w张数据，训练中文检测模型的相关配置和预训练文件如下：
| 模型 | 骨干网络 | 配置文件 | 预训练模型 |
|---|---|---|---|
| 超轻量中文模型 | MobileNetV3 | det_mv3_db.yml | 下载链接 |
| 通用中文OCR模型 | ResNet50_vd | det_r50_vd_db.yml | 下载链接 |
- 注： 上述DB模型的训练和评估，需设置后处理参数box_thresh=0.6，unclip_ratio=1.5，使用不同数据集、不同模型训练，可调整这两个参数进行优化
PaddleOCR文本检测算法的训练和使用请参考文档教程中模型训练/评估中的文本检测部分。
2.文本识别算法
PaddleOCR开源的文本识别算法列表：
备注： SRN模型使用了数据扰动方法对上述提到对两个训练集进行增广,增广后的数据可以在百度网盘上下载。 原始论文使用两阶段训练平均精度为89.74%，PaddleOCR中使用one-stage训练，平均精度为88.33%。两种预训练权重均在下载链接中。
参考DTRB文字识别训练和评估流程，使用MJSynth和SynthText两个文字识别数据集训练，在IIIT, SVT, IC03, IC13, IC15, SVTP, CUTE数据集上进行评估，算法效果如下：
| 模型 | 骨干网络 | Avg Accuracy | 模型存储命名 | 下载链接 |
|---|---|---|---|---|
| Rosetta | Resnet34_vd | 80.24% | rec_r34_vd_none_none_ctc | 下载链接 |
| Rosetta | MobileNetV3 | 78.16% | rec_mv3_none_none_ctc | 下载链接 |
| CRNN | Resnet34_vd | 82.20% | rec_r34_vd_none_bilstm_ctc | 下载链接 |
| CRNN | MobileNetV3 | 79.37% | rec_mv3_none_bilstm_ctc | 下载链接 |
| STAR-Net | Resnet34_vd | 83.93% | rec_r34_vd_tps_bilstm_ctc | 下载链接 |
| STAR-Net | MobileNetV3 | 81.56% | rec_mv3_tps_bilstm_ctc | 下载链接 |
| RARE | Resnet34_vd | 84.90% | rec_r34_vd_tps_bilstm_attn | 下载链接 |
| RARE | MobileNetV3 | 83.32% | rec_mv3_tps_bilstm_attn | 下载链接 |
| SRN | Resnet50_vd_fpn | 88.33% | rec_r50fpn_vd_none_srn | 下载链接 |
使用LSVT街景数据集根据真值将图crop出来30w数据，进行位置校准。此外基于LSVT语料生成500w合成数据训练中文模型，相关配置和预训练文件如下：
| 模型 | 骨干网络 | 配置文件 | 预训练模型 |
|---|---|---|---|
| 超轻量中文模型 | MobileNetV3 | rec_chinese_lite_train.yml | 下载链接 |
| 通用中文OCR模型 | Resnet34_vd | rec_chinese_common_train.yml | 下载链接 |
PaddleOCR文本识别算法的训练和使用请参考文档教程中模型训练/评估中的文本识别部分。
3.端到端OCR算法
- End2End-PSL(百度自研, coming soon)
效果展示
1.超轻量级中文OCR效果展示 more
2.通用中文OCR效果展示 more
3.支持空格的中文OCR效果展示 more
FAQ
-
转换attention识别模型时报错：KeyError: 'predict'
问题已解，请更新到最新代码。 -
关于推理速度
图片中的文字较多时，预测时间会增，可以使用--rec_batch_num设置更小预测batch num，默认值为30，可以改为10或其他数值。 -
服务部署与移动端部署
预计6月中下旬会先后发布基于Serving的服务部署方案和基于Paddle Lite的移动端部署方案，欢迎持续关注。 -
自研算法发布时间
自研算法SAST、SRN、End2End-PSL都将在7-8月陆续发布，敬请期待。
欢迎加入PaddleOCR技术交流群
请扫描下面二维码，完成问卷填写，获取加群二维码和OCR方向的炼丹秘籍
许可证书
本项目的发布受Apache 2.0 license许可认证。
贡献代码
我们非常欢迎你为PaddleOCR贡献代码，也十分感谢你的反馈。
- 非常感谢 Khanh Tran 贡献了英文文档
- 非常感谢 zhangxin(Blog) 贡献新的可视化方式、添加.gitgnore、处理手动设置PYTHONPATH环境变量的问题
- 非常感谢 lyl120117 贡献打印网络结构的代码
- 非常感谢 xiangyubo 贡献手写中文OCR数据集
- 非常感谢 authorfu 贡献Android和xiadeye 贡献IOS的demo代码
- 非常感谢 BeyondYourself 给PaddleOCR提了很多非常棒的建议，并简化了PaddleOCR的部分代码风格。