开源OCR（过程介绍）

前不久，百度技术团队，前不久，百度技术团队在GitHub上正式开放了一款OCR神器，发布后不久就数次冲上GitHub趋势榜，引起了技术圈开发者的热议。今天，我将向你介绍这个项目。

众所周知，OCR(光学字符识别)技术已经广泛应用于我们生活的方方面面。从印刷稿件的文字识别、身份证的电子信息录入、传统邮件的自动分拣、汽车车牌的识别等领域，正式开辟了一个OCR神器。发布不久就多次冲上GitHub趋势榜，引起了技术圈开发者的热议。今天，我我将向你介绍这个项目。

众所周知，OCR(光学字符识别)技术已经广泛应用于我们生活的方方面面，从印刷稿件的字符识别、身份证的电子信息输入，到传统的邮件自动分拣、汽车车牌识别等领域，OCR都是不可或缺的。

平时工作的时候，经常会用一些OCR软件扫描图片，提取文字。我一定会用AI技术，而不是人工完成一系列的文本分析和图像识别操作。

百度GitHub上开源的PaddleOCR模型，大小只有8.6M。是目前圈内为数不多的AI深度学习模型，可以支持中英文图像和纵横排版识别。

让让我们来看看PaddleOCR 自从今年年中GitHub开源以来，短短几个月内，它在GitHub上的表现：

7月发布8.6M超轻机型，GitHub Trending全球日榜第一！

8月份，开源的CVPR2020会遇到SOTA算法，然后上GitHub趋势榜！

9月GitHub星数突破4.6K你最近带来了哪些重磅更新？

果不其然，看着9月份的最新更新，PaddleOCR再次真诚的为大家带来真正的干货。直接看官方介绍：

1.官方介绍

从数量上来说，这次PaddleOCR一口气发布了三个系列的机型，满足移动端和服务器端各种场景的需求。而且多语种安排得当，所有训练代码和模型都是无保留开源的。其中，3.5M超轻字符识别模型是业界最轻的OCR模型。质量方面，这样的轻量化车型效果有保证吗？唐不要看广告，只看疗效。让让我们来看看一些常见的一般场景识别效果：

3.5M机型能达到这个识别精度，绝对是良心之作！门户网站GitHub:https://github.com/PaddlePaddle/PaddleOCR论文下载链接：https://arxiv.org/abs/2009.09941

2.快速体验

PaddleOCR s 3.5M超轻OCR型号1)。PC端快速尝试：(打开网页，选择一张图片，可以实时看到结果)https://www.paddlepaddle.org.cn/hub/scene/ocr

2).手机APP安装体验PaddleOCR在百度大脑EasyEdge上打开了文字识别App演示。示例效果如下(可以在github首页找到下载二维码)

多种开源回购测试的比较

简单对比一下目前主流OCR方向开源repo的核心能力：

3).从性能指数中：

根据OCR的实际应用场景，包括合同、车牌、铭牌、火车票、化验单、表格、证书、街头文字、名片、数字显示等。收集了300个图像，每个图像平均有17个文本框。PaddleOCR的F1-评分超过0.5，已经很不错了。

4).从功能完备的角度来看：

预训机型尺寸：easyOCR目前没有超轻机型，chineseocr_lite最新机型在4.7M左右，而PaddleOCR提供的3.5M无疑是目前业内已知最轻的。

PIP安装：目前只支持PaddleOCR和easyOCR。

自定义培训：在实际业务场景中，预培训模型往往无法满足需求。目前，只有PaddleOCR支持用户定义的训练和模型微调。

部署：easyOCR模型太大，不适合端到端部署。Chineseocr_lite和PaddleOCR具备端到端部署能力。

开发者可以根据自己的实际需求选择自己的开源方案。对于PaddleOCR3.5MB超轻机型，如何做在repo中也有说明。

3.5M超轻量模型使用了一套超轻量OCR系统PP-OCR，主要由DB文本检测、检测框校正和CRNN文本识别组成。该系统从主干网络的选择和调整、预测头的设计、数据增强、学习率转换策略、正则化参数选择、预训练模型的使用、模型的自动切割和量化等八个方面，采用19种有效策略，对各模块的模型进行优化和瘦身。其中，飞桨模型压缩库PaddleSlim为PaddleOCR超轻量化模型的实现提供了核心技术支持。从超轻型模型从8.1M压缩到3.5M，模型规模减少了56.79%，其中检测模型的速度提高了21%，整体模型精度提高。

除了3.5M超轻OCR模型，PaddleOCR还提供多语言预训练模型(英语、德语、法语、韩语和日语)，支持定制训练和丰富的部署方式。

标签：模型PaddleOCRGitHub