百度飛槳開源3.5M中英文OCR模型，超輕量帶你飛

一、導讀

不得不說，2020年絕對是OCR開源界的豐收年，各種開源repo橫空出世，一次又一次的刷新開源界的baseline，小編今天再次給大家種個草，介紹今年OCR開源領(lǐng)域 “真.良心之作”百度飛槳PaddleOCR。

先看下飛槳文字識別套件PaddleOCR自今年年中開源以來，短短幾個月在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SOTA算法，再上GitHub趨勢榜單！

? 9月，GitHub Star數(shù)量已超過3.2K， 近期又帶來哪些重磅更新？

果然，看9月最新更新，PaddleOCR再次誠意滿滿為大家?guī)碚娓韶?，直接看官方介紹：

數(shù)量上，這次PaddleOCR一口氣發(fā)布了三個系列模型，滿足移動端、服務器端各種場景需求。而且，多語言也妥妥安排上了，全部訓練代碼和模型毫無保留開源。其中3.5M超輕量文字識別模型，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。

先看幾個常見的通用場景識別效果：

3.5M的模型能達到這個識別精度，絕對是良心之作了！

再看一個非正常顯示的圖片：

文字倒著也能識別，沒毛?。ù颂幙梢载Q起大拇哥）。

想看更多效果？官方GitHub項目鏈接走起。

傳送門：

Github：https://github.com/PaddlePaddle/PaddleOCR

論文下載鏈接：

https://arxiv.org/abs/2009.09941

激動的心，顫抖的手，相信有OCR玩家要問：

有Demo可以動手玩一玩嗎？

二、 快速體驗PaddleOCR的3.5M超輕量OCR模型

為了讓用戶快速上手，PaddleOCR也是做足了準備。

? PC端快速嘗試：（打開網(wǎng)頁，選一張圖片，即可實時看到結(jié)果）

https://www.paddlepaddle.org.cn/hub/scene/ocr

? 手機端App安裝體驗

PaddleOCR在百度大腦EasyEdge上開放了文字識別APP demo。安卓手機可直接掃碼下載：

iOS版本由于證書限制，需要登錄百度EasyEdge網(wǎng)頁掃碼體驗：https://ai.baidu.com/easyedge/app/openSource?from=paddlelite

效果如下：

? 通過PIP安裝包快速體驗PaddleOCR

# pip安裝

pip install paddleocr

# 快速使用

from paddleocr import PaddleOCR, draw_ocr

# Paddleocr目前支持中英文、英文、法語、德語、韓語、日語，可以通過修改lang參數(shù)進行切換，參數(shù)依次為`ch`, `en`, `french`, `german`, `korean`, `japan`。

ocr = PaddleOCR(use_angle_cls=True, lang="ch")

# 輸入待識別圖片路徑

img_path = 'PaddleOCR/doc/imgs/11.jpg'

# 輸出結(jié)果保存路徑

result = ocr.ocr(img_path, cls=True)

更多內(nèi)容，可以進入https://github.com/PaddlePaddle/PaddleOCR 快速開始

三、 多個開源repo測試對比

對于OCR方向的開發(fā)者而言，開源repo最吸引人的莫過于

①高質(zhì)量的預訓練模型

②簡單易上手的訓練代碼

③好用無坑的部署能力

簡單對比一下目前主流OCR方向開源repo的核心能力：

從性能指標來看：

? 針對OCR實際應用場景，包括合同，車牌，銘牌，火車票，化驗單，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個文本框，PaddleOCR的F1-Score超過0.5，這個性能已經(jīng)很不錯了。

從功能完備來看：

? 預訓練模型大小：easyOCR目前暫無超輕量模型，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。

? 自定義訓練：實際業(yè)務場景中，預訓練模型往往不能滿足需求，對于自定義訓練和模型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)自己的實際需求，選擇適合自己的開源方案。

對于PaddleOCR 3.5MB的超輕量模型，是如何做到的，repo中也給出了解釋。

3.5M超輕量模型應用了一套超輕量OCR系統(tǒng)PP-OCR，主要由DB文本檢測、檢測框矯正和CRNN文本識別三部分組成。該系統(tǒng)從骨干網(wǎng)絡選擇和調(diào)整、預測頭部的設計、數(shù)據(jù)增強、學習率變換策略、正則化參數(shù)選擇、預訓練模型使用以及模型自動裁剪量化8個方面，采用19個有效策略，對各個模塊的模型進行效果調(diào)優(yōu)和瘦身，最終得到整體大小為3.5M的超輕量中英文OCR模型和2M的英文數(shù)字OCR模型。

更多細節(jié)請參考文末PP-OCR技術(shù)文章。

其中，飛槳模型壓縮庫PaddleSlim為PaddleOCR超輕量化模型的實現(xiàn)提供了核心的技術(shù)支撐。PaddleSlim集成了模型剪枝、量化（包括量化訓練和離線量化）、蒸餾和神經(jīng)網(wǎng)絡搜索等多種業(yè)界常用且領(lǐng)先的模型壓縮功能。通過PaddleSlim對PP-OCR中檢測、檢測框矯正和識別模型的壓縮，從超輕量模型8.1M的壓縮到3.5M，模型大小降低了56.79%，其中檢測模型速度提升21%，而且整體模型精度還有一定提升。

四、 更多驚喜等著你

除了3.5M超輕量OCR模型，PaddleOCR還隱藏哪些驚喜，一睹為快：

1、 本次開源的超輕量英文數(shù)字識別模型，不得不說，考慮的真周到，英文場景用起來更溜。

2、多語言支持，中、英、德、法、韓、日，據(jù)了解還在持續(xù)迭代更新并擴充中，歡迎體驗。

PaddleOCR也提供了多語言的識別模型配置文件如下圖所示：

用戶可以根據(jù)自己需求重新訓練，也可以在預訓練基礎上調(diào)優(yōu)。

3、文檔教程，絕對是開源界的一股清流，對于OCR方向，能想到的內(nèi)容，PaddleOCR應該都覆蓋了吧。

其中的FAQ部分強烈推薦，面試OCR算法工程師崗位你應該用的到。

五、 支持自定義訓練，豐富部署能力

開發(fā)者如果想要使用自定義數(shù)據(jù)訓練超輕量模型，也可以從PaddleOCR提供的基礎算法庫中選擇適合自己的文本檢測、識別算法，進行自定義的訓練。自定義訓練的存在讓開發(fā)者可以使用自己的數(shù)據(jù)集打造更為契合自身需求的產(chǎn)品，極大程度滿足了不同開發(fā)者的需求。

除了貼心的自定義訓練，滿足開發(fā)者產(chǎn)業(yè)級訓練的需求之外，百度PaddleOCR為了更好的方便開發(fā)者和企業(yè)應用，打造了一系列的模型部署組件，可以支持開發(fā)者和企業(yè)在服務端、移動端、嵌入式硬件，云端服務化等多個不同的硬件平臺部署，最大化地滿足OCR文字識別領(lǐng)域的企業(yè)應用。

六、 招募活動預告

9月26日，飛槳將舉辦OCR方向的線下沙龍活動，歡迎北京OCR方向的開發(fā)者們，我們相聚中關(guān)村。

（掃描海報中的二維碼即可報名獲取直播鏈接或現(xiàn)場門票）

更多飛槳的相關(guān)內(nèi)容，請參閱以下內(nèi)容。

官網(wǎng)地址：https://www.paddlepaddle.org.cn

飛槳PaddleOCR項目地址：

GitHub: https://github.com/PaddlePaddle/PaddleOCR

Gitee: https://gitee.com/paddlepaddle/PaddleOCR

飛槳PaddleSlim項目地址：

GitHub: https://github.com/PaddlePaddle/PaddleSlim

Gitee: https://gitee.com/paddlepaddle/PaddleSlim

PP-OCR技術(shù)文章：

https://github.com/PaddlePaddle/PaddleOCR/raw/develop/doc/PPOCR.pdf