Awesome
PaddleOCR2Pytorch
简体中文 | English
简介
”白嫖“PaddleOCR。
本项目旨在:
- 学习PaddleOCR
- 让PaddleOCR训练的模型在pytorch上使用
- 为paddle转pytorch提供参考
注意
PytorchOCR
由PaddleOCRv2.0+
动态图版本移植。
近期更新
- 2024.02.20 PP-OCRv4,提供mobile和server两种模型
- PP-OCRv4-mobile:速度可比情况下,中文场景效果相比于PP-OCRv3再提升4.5%,英文场景提升10%,80语种多语言模型平均识别准确率提升8%以上
- PP-OCRv4-server:发布了目前精度最高的OCR模型,中英文场景上检测模型精度提升4.9%, 识别模型精度提升2%
- 2023.04.16 公式识别CAN
- 2023.04.07 文本超分Text Telescope
- 2022.10.17 文本识别:ViTSTR
- 2022.10.07 文本检测:DB++
- 2022.07.24 文本检测算法(FCENET)
- 2022.07.16 文本识别算法(SVTR)
- 2022.06.19 文本识别算法(SAR)
- 2022.05.29 PP-OCRv3,速度可比情况下,中文场景效果相比于PP-OCRv2再提升5%,英文场景提升11%,80语种多语言模型平均识别准确率提升5%以上
- 2022.05.14 PP-OCRv3文本检测模型
- 2022.04.17 1种文本识别算法(NRTR)
- 2022.03.20 1种文本检测算法(PSENet)
- 2021.09.11 PP-OCRv2,CPU推理速度相比于PP-OCR server提升220%;效果相比于PP-OCR mobile 提升7%
- 2021.06.01 更新SRN
- 2021.04.25 更新AAAI 2021论文端到端识别算法PGNet
- 2021.04.24 更新RARE
- 2021.04.12 更新STARNET
- 2021.04.08 更新DB, SAST, EAST, ROSETTA, CRNN
- 2021.04.03 更新多语言识别模型,目前支持语种超过27种,多语言模型下载,包括中文简体、中文繁体、英文、法文、德文、韩文、日文、意大利文、西班牙文、葡萄牙文、俄罗斯文、阿拉伯文等,后续计划可以参考多语言研发计划
- 2021.01.10 白嫖中英文通用OCR模型
特性
高质量推理模型,准确的识别效果
- 超轻量PP-OCR系列:检测+ 方向分类器+ 识别
- 超轻量ptocr_mobile移动端系列
- 通用ptocr_server系列
- 支持中英文数字组合识别、竖排文本识别、长文本识别
- 支持多语言识别:韩语、日语、德语、法语等
<a name="模型下载"></a>
模型列表(更新中)
PyTorch模型下载链接:https://pan.baidu.com/s/1r1DELT8BlgxeOP2RqREJEg 提取码:6clx
PaddleOCR模型百度网盘链接:https://pan.baidu.com/s/1getAprT2l_JqwhjwML0g9g 提取码:lmv7
更多模型下载(包括多语言),可以参考PT-OCR v2.0 系列模型下载
文档教程
TODO
- 前沿算法:文本检测 DRRG,文本识别 RFL
- 文本识别:ABINet, VisionLAN, SPIN, RobustScanner
- 表格识别:TableMaster
- PP-Structurev2,系统功能性能全面升级,适配中文场景,新增支持版面复原,支持一行命令完成PDF转Word
- 版面分析模型优化:模型存储减少95%,速度提升11倍,平均CPU耗时仅需41ms
- 表格识别模型优化:设计3大优化策略,预测耗时不变情况下,模型精度提升6%
- 关键信息抽取模型优化:设计视觉无关模型结构,语义实体识别精度提升2.8%,关系抽取精度提升9.1%
- 文本识别算法(SEED)
- 文档结构化算法关键信息提取算法(SDMGR)
- 3种DocVQA算法(LayoutLM、LayoutLMv2,LayoutXLM)
- 文档结构分析PP-Structure工具包,支持版面分析与表格识别(含Excel导出)
<a name="Pipline"></a>
PP-OCRv2 Pipline
<div align="center"> <img src="./doc/ppocrv2_framework.jpg" width="800"> </div>[1] PP-OCR是一个实用的超轻量OCR系统。主要由DB文本检测、检测框矫正和CRNN文本识别三部分组成。该系统从骨干网络选择和调整、预测头部的设计、数据增强、学习率变换策略、正则化参数选择、预训练模型使用以及模型自动裁剪量化8个方面,采用19个有效策略,对各个模块的模型进行效果调优和瘦身(如绿框所示),最终得到整体大小为3.5M的超轻量中英文OCR和2.8M的英文数字OCR。更多细节请参考PP-OCR技术方案 https://arxiv.org/abs/2009.09941
[2] PP-OCRv2在PP-OCR的基础上,进一步在5个方面重点优化,检测模型采用CML协同互学习知识蒸馏策略和CopyPaste数据增广策略;识别模型采用LCNet轻量级骨干网络、UDML 改进知识蒸馏策略和Enhanced CTC loss损失函数改进(如上图红框所示),进一步在推理速度和预测效果上取得明显提升。更多细节请参考PP-OCRv2技术报告。
<a name="效果展示"></a>
效果展示
- 中文模型
- 英文模型
- 其他语言模型