PaddleOCR文字识别使用
【转载】
原网页:https://github.com/PaddlePaddle/PaddleOCR/
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。
注意
PaddleOCR同时支持动态图与静态图两种编程范式
- 动态图版本:dygraph分支(默认),需将paddle版本升级至2.0rc1+(快速安装)
- 静态图版本:develop分支
近期更新
- 2021.1.4 FAQ新增5个高频问题,总数142个,每周一都会更新,欢迎大家持续关注。
- 2020.12.15 更新数据合成工具Style-Text,可以批量合成大量与目标场景类似的图像,在多个场景验证,效果明显提升。
- 2020.11.25 更新半自动标注工具PPOCRLabel,辅助开发者高效完成标注任务,输出格式与PP-OCR训练任务完美衔接。
- 2020.9.22 更新PP-OCR技术文章,https://arxiv.org/abs/2009.09941
- More
特性
- PPOCR系列高质量预训练模型,准确的识别效果
- 超轻量ppocr_mobile移动端系列:检测(3.0M)+方向分类器(1.4M)+ 识别(5.0M)= 9.4M
- 通用ppocr_server系列:检测(47.1M)+方向分类器(1.4M)+ 识别(94.9M)= 143.4M
- 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
- 丰富易用的OCR相关工具组件
- 半自动数据标注工具PPOCRLabel:支持快速高效的数据标注
- 数据合成工具Style-Text:批量合成大量与目标场景类似的图像
- 支持用户自定义训练,提供丰富的预测推理部署方案
- 支持PIP快速安装使用
- 可运行于Linux、Windows、MacOS等多种系统
效果展示
上图是通用ppocr_server模型效果展示,更多效果图请见效果展示页面。
欢迎加入PaddleOCR技术交流群
- 微信扫描二维码加入官方交流群,获得更高效的问题答疑,与各行各业开发者充分交流,期待您的加入。
快速体验
PC端:超轻量级中文OCR在线体验地址:https://www.paddlepaddle.org.cn/hub/scene/ocr
移动端:安装包DEMO下载地址(基于EasyEdge和Paddle-Lite, 支持iOS和Android系统),Android手机也可以直接扫描下面二维码安装体验。
- 代码体验:从快速安装 开始
PP-OCR 2.0系列模型列表(更新中)
说明 :2.0版模型和1.1版模型的主要区别在于动态图训练vs.静态图训练,模型性能上无明显差距。
模型简介 | 模型名称 | 推荐场景 | 检测模型 | 方向分类器 | 识别模型 |
---|---|---|---|---|---|
中英文超轻量OCR模型(9.4M) | ch_ppocr_mobile_v2.0_xx | 移动端&服务器端 | 推理模型 / 预训练模型 | 推理模型 / 预训练模型 | 推理模型 / 预训练模型 |
中英文通用OCR模型(143.4M) | ch_ppocr_server_v2.0_xx | 服务器端 | 推理模型 / 预训练模型 | 推理模型 / 预训练模型 | 推理模型 / 预训练模型 |
更多模型下载(包括多语言),可以参考PP-OCR v2.0 系列模型下载
文档教程
- 快速安装
- 中文OCR模型快速使用
- 代码组织结构
- 算法介绍
- 文本检测
- 文本识别
- PP-OCR Pipline
- 模型训练/评估
- 文本检测
- 文本识别
- 方向分类器
- yml参数配置文件介绍
- 预测部署
- 基于pip安装whl包快速推理
- 基于Python脚本预测引擎推理
- 基于C++预测引擎推理
- 服务化部署
- 端侧部署
- Benchmark
- 数据集
- 通用中英文OCR数据集
- 手写中文OCR数据集
- 垂类多语言OCR数据集
- 数据标注与合成
- 半自动标注工具PPOCRLabel
- 数据合成工具Style-Text
- 其它数据标注工具
- 其它数据合成工具
- 效果展示
- FAQ
- 【精选】OCR精选10个问题
- 【理论篇】OCR通用31个问题
- 【实战篇】PaddleOCR实战101个问题
- 技术交流群
- 参考文献
- 许可证书
- 贡献代码
PP-OCR Pipline
PP-OCR是一个实用的超轻量OCR系统。主要由DB文本检测[2]、检测框矫正和CRNN文本识别三部分组成[7]。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,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 。其中FPGM裁剪器[8]和PACT量化[9]的实现可以参考PaddleSlim。
效果展示 more
- 中文模型
- 英文模型
- 其他语言模型
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 和 Karl Horky 贡献修改英文文档
- 非常感谢 zhangxin(Blog) 贡献新的可视化方式、添加.gitignore、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。
- 非常感谢 tangmq 给PaddleOCR增加Docker化部署服务,支持快速发布可调用的Restful API服务。
- 非常感谢 lijinhan 给PaddleOCR增加java SpringBoot 调用OCR Hubserving接口完成对OCR服务化部署的使用。
- 非常感谢 Mejans 给PaddleOCR增加新语言奥克西坦语Occitan的字典和语料。
- 非常感谢 Evezerest, ninetailskim, edencfc, BeyondYourself, 1084667371 贡献了PPOCRLabel的完整代码。
PaddleOCR文字识别使用相关推荐
- PaddleOCR文字识别C#部署-1
PaddleOCR文字识别C#部署-1 PaddleOCR文字识别C#部署-2 PaddleOCR文字识别C#部署-3 审核人审核文章带点脑子,没办法审核人不带脑子文章突然审核不过,删去了上面配置过程 ...
- PaddleOCR文字识别模型训练
PaddleOCR文字识别模型训练 数据准备 中文场景文字识别技术创新大赛数据集 启动训练 预测 预测中文结果 本文主要介绍PaddleOCR2.0.0版本中文字识别模型的训练.评估及测试. 数据准备 ...
- PaddleOCR 文字识别 c++ win10 安装使用教程
开头先夸一句,百度真棒 本文的免积分的工程文件下载,喜欢就点个赞,收藏一下吧 目录 引言 安装流程 前置条件 注意:提前预警,本文中并不涉及安装GPU版本 1. 拉取PaddleOCR 整体目录 2. ...
- PaddleOCR文字识别使用教程(训练自己的数据集)(一)
目录 项目目录结构 数据集准备 label img 参数修改 训练 预测 项目目录结构 链接:https://pan.baidu.com/s/1wbZvvonRBL3xy7xO3w57eA 提取码:8 ...
- 基于PaddleOCR开发Auto.js Pro文字识别插件
目录 目的 准备工作 插件开发 1.项目结构对比 2.插件SDK集成 3.调整assets资源 4.删除无用的Activity文件 5.修改AndroidManifest.xml 6.修改Predic ...
- 手把手教你用PaddleOCR与PyQT实现多语言文字识别的程序
点击左上方蓝字关注我们 [飞桨开发者说]张明,视觉算法工程师,主要研究方向:目标检测.人脸检测.图像分类. 小张是一名研二的学生,专业课学的一塌糊涂,马上要考试了他准备突击一下.于是向比他高一届的师姐 ...
- 基于百度飞桨PaddleOCR的图片文字识别
PaddleOCR项目源码:https://github.com/PaddlePaddle/PaddleOCR 飞桨开源文字识别模型套件PaddleOCR,目标是打造丰富.领先.实用的文本识别模型/工 ...
- PaddlePaddle/PaddleOCR 中英文文字识别
1.准备工作 GitHub地址:https://github.com/PaddlePaddle/PaddleOCR 1.QUICK INSTALLATION:https://github.com/Pa ...
- PaddleOCR实践之飞桨常规赛:中文场景文字识别
简介 本项目是参加飞桨常规赛:中文场景文字识别(已结束)的项目,项目score为85.87141. 生成的预测文件为work/PaddleOCR中的test2.txt文件 项目任务为识别包含中文文字的 ...
最新文章
- 软件工程--总作业(已经完成)
- ​2019年最新华为、BAT、美团、头条、滴滴面试题目及答案汇总
- SQL 2005 Express 的“企业管理器” 下载
- Linux进程实践(4) --wait避免僵尸进程
- 【B站视频教程笔记】基于VSCode和CMake实现C/C++开发 | Linux篇(gcc/g++)(安装、配置、使用详细教程)(VSCode教程)(CMake教程)(精!)
- 将cocos2dx项目从VS移植到Eclipse
- Flash ios 开发cookbook 下载(PDF)
- 设计模式--责任链模式--Java实现
- Django模板语言相关内容
- 2线性模型 r语言_多层线性模型在R语言上的实现(三)
- 压测学习总结(7)——Jmeter性能测试之脚本增强
- 收费英超与中国球迷相互抛弃
- python检测屏幕亮点_Python+OpenCV检测灯光亮点的实现方法
- border:0和boder:none区别
- 从word中复制图片到网页编辑器中
- java中合并不同子目录下的txt文件(CHM转换成txt的过程)
- 计算机金融专业亚洲大学排行,金融类专业大学排名
- VMware win10 虚拟机通过NAT模式联网
- IT项目开发团队建设与管理总结
- python库——未完待续,紫薯布丁
热门文章
- 快速计算--斐波那契数列
- XmlDocument,XDocument相互转换
- 备份整合更需要一体机
- 在ASP.NET页面中实现数据饼图(转载)
- 比ISA更简单的监管利器,谈谈关于公司上网监管的一点事儿
- 645. 错误的集合
- 158.用 Read4 读取 N 个字符read characters from file multiple calls
- Python适合初学者入门
- python面向对象编程指南 豆瓣_一文看懂Python面向对象编程(Python学习与新手入门必看)-绝对原创...
- Python必备封装基本代码~Python函数