開源OCR 過(guò)程介紹

不久前，百度技術(shù)團(tuán)隊(duì)在不久前，百度技術(shù)團(tuán)隊(duì)在 GitHub 上正式開源了一款 OCR 神器，在發(fā)布后不久便多次沖上 GitHub Trending 榜單，引起了技術(shù)圈內(nèi)開發(fā)者的熱議，今天就跟大家好好介紹下這個(gè)項(xiàng)目。

眾所周知，OCR（Optical Character Recognition，光學(xué)字符識(shí)別） 技術(shù)已被廣泛應(yīng)用到我們生活中的方方面面，從印刷稿的文字識(shí)別、身份證電子化信息錄入，到傳統(tǒng)郵件自動(dòng)分揀、汽車牌照識(shí)別等領(lǐng)域，都上正式開源了一款 OCR 神器，在發(fā)布后不久便多次沖上 GitHub Trending 榜單，引起了技術(shù)圈內(nèi)開發(fā)者的熱議，今天就跟大家好好介紹下這個(gè)項(xiàng)目。

眾所周知，OCR（Optical Character Recognition，光學(xué)字符識(shí)別） 技術(shù)已被廣泛應(yīng)用到我們生活中的方方面面，從印刷稿的文字識(shí)別、身份證電子化信息錄入，到傳統(tǒng)郵件自動(dòng)分揀、汽車牌照識(shí)別等領(lǐng)域，都少不了 OCR 的身影。

在平時(shí)工作的時(shí)候，我也經(jīng)常會(huì)使用一些 OCR 軟件來(lái)掃描圖片并提取文字，而要替代人工完成一系列的文本分析，圖像識(shí)別操作，則必將使用到 AI 技術(shù)。

百度在 GitHub 上開源的 PaddleOCR 模型，大小僅有 8.6M，是目前圈內(nèi)為數(shù)不多，能支持中英文圖像、橫豎排排版識(shí)別的 AI 深度學(xué)習(xí)模型之一。

先看下 PaddleOCR 自今年年中開源以來(lái)，短短幾個(gè)月在 GitHub 上的表現(xiàn)：

7 月，8.6M 超輕量模型發(fā)布，GitHub Trending 全球日榜榜單第一！

8 月，開源 CVPR2020 頂會(huì) SOTA 算法，再上 GitHub 趨勢(shì)榜單！

9 月，GitHub Star 數(shù)量已超過(guò) 4.6K， 近期又帶來(lái)哪些重磅更新？

果然，看 9 月最新更新，PaddleOCR 再次誠(chéng)意滿滿為大家?guī)?lái)真干貨，直接看官方介紹：

01. 官方介紹

數(shù)量上，這次 PaddleOCR 一口氣發(fā)布了三個(gè)系列模型，滿足移動(dòng)端、服務(wù)器端各種場(chǎng)景需求。而且，多語(yǔ)言也妥妥安排上了，全部訓(xùn)練代碼和模型毫無(wú)保留開源。其中 3.5M 超輕量文字識(shí)別模型，堪稱目前業(yè)界開源的最輕量 OCR 模型了。質(zhì)量上，如此輕量的模型，效果有保障嗎？不看廣告，直接看療效。 先看幾個(gè)常見的通用場(chǎng)景識(shí)別效果：

3.5M 的模型能達(dá)到這個(gè)識(shí)別精度，絕對(duì)是良心之作了！傳送門 Github：https://github.com/PaddlePaddle/PaddleOCR論文下載鏈接：https://arxiv.org/abs/2009.09941

02. 快速體驗(yàn)

PaddleOCR 的 3.5M 超輕量 OCR 模型1).PC 端快速嘗試：（打開網(wǎng)頁(yè)，選一張圖片，即可實(shí)時(shí)看到結(jié)果） https://www.paddlepaddle.org.cn/hub/scene/ocr

2). 手機(jī)端 App 安裝體驗(yàn)PaddleOCR 在百度大腦 EasyEdge 上開放了文字識(shí)別 APP demo。 示例效果如下（可以在 github 首頁(yè)找到下載二維碼）

多個(gè)開源 repo 測(cè)試對(duì)比

簡(jiǎn)單對(duì)比一下目前主流 OCR 方向開源 repo 的核心能力：

3). 從性能指標(biāo)來(lái)看：

針對(duì) OCR 實(shí)際應(yīng)用場(chǎng)景，包括合同，車牌，銘牌，火車票，化驗(yàn)單，表格，證書，街景文字，名片，數(shù)碼顯示屏等，收集的 300 張圖像，每張圖平均有 17 個(gè)文本框，PaddleOCR 的 F1-Score 超過(guò) 0.5，這個(gè)性能已經(jīng)很不錯(cuò)了。

4). 從功能完備來(lái)看：

預(yù)訓(xùn)練模型大?。篹asyOCR 目前暫無(wú)超輕量模型，chineseocr_lite 最新的模型是 4.7M 左右，而 PaddleOCR 提供的 3.5M 無(wú)疑是目前業(yè)界已知最輕量的。

PIP 安裝：目前僅 PaddleOCR 和 easyOCR 支持。

自定義訓(xùn)練：實(shí)際業(yè)務(wù)場(chǎng)景中，預(yù)訓(xùn)練模型往往不能滿足需求，對(duì)于自定義訓(xùn)練和模型 Finetuning，目前只有 PaddleOCR 支持。

部署方面：easyOCR 模型較大不適合端側(cè)部署，Chineseocr_lite 和 PaddleOCR 都具備端側(cè)部署能力。

開發(fā)者可以根據(jù)自己的實(shí)際需求，選擇適合自己的開源方案。 對(duì)于 PaddleOCR3.5MB 的超輕量模型，是如何做到的，repo 中也給出了解釋。

3.5M 超輕量模型應(yīng)用了一套超輕量 OCR 系統(tǒng) PP-OCR，主要由 DB 文本檢測(cè)、檢測(cè)框矯正和 CRNN 文本識(shí)別三部分組成。該系統(tǒng)從骨干網(wǎng)絡(luò)選擇和調(diào)整、預(yù)測(cè)頭部的設(shè)計(jì)、數(shù)據(jù)增強(qiáng)、學(xué)習(xí)率變換策略、正則化參數(shù)選擇、預(yù)訓(xùn)練模型使用以及模型自動(dòng)裁剪量化 8 個(gè)方面，采用 19 個(gè)有效策略，對(duì)各個(gè)模塊的模型進(jìn)行效果調(diào)優(yōu)和瘦身。 其中，飛槳模型壓縮庫(kù) PaddleSlim 為 PaddleOCR 超輕量化模型的實(shí)現(xiàn)提供了核心的技術(shù)支撐。從超輕量模型 8.1M 的壓縮到 3.5M，模型大小降低了 56.79%，其中檢測(cè)模型速度提升 21%，而且整體模型精度還有提升。

除了 3.5M 超輕量 OCR 模型，PaddleOCR 提供了多語(yǔ)言預(yù)訓(xùn)練模型（英、德、法、韓、日），支持自定義訓(xùn)練和豐富的部署方式。

責(zé)任編輯：PSY

原文標(biāo)題：Github標(biāo)星4.6K+！這個(gè)OCR開源項(xiàng)目，火了！

文章出處：【微信公眾號(hào)：人工智能與大數(shù)據(jù)技術(shù)】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。