OCR方向的工程师,一定需要知道这个OCR开源项目:PaddleOCR
短短半年时间,累计Star数量已超过11.5K,
频频登上Github Trending和Paperswithcode 日榜月榜第一,
在《Github 2020数字洞察报告》中被评为中国Github Top20活跃项目。
称它为 OCR方向目前最火的repo绝对不为过。
最近,它又带来两项全新发布:
AAAI 2021 顶会论文开源:PGNet: Real-time Arbitrarily-Shaped Text Spotting with Point Gathering Network 提出了一种简单且有效的任意方向端到端文本识别模型,在精度可比的基础上,与之前大火的ABCNet相比,预测速度快了三倍,达到SOTA效果。
多语言支持种类提升至80+种:基本覆盖国际主流语言种类,在开源测试集MLT2017评估,中文、韩文、日文、拉丁语系、阿拉伯语系,识别效果均显著优于EasyOCR,开源SOTA效果。
先看下PaddleOCR自去年6月开源以来,短短几个月在GitHub上的表现:
2020年6月,8.6M超轻量模型发布,GitHub Trending 全球趋势榜日榜第一。
2020年8月,开源CVPR2020顶会算法,再上GitHub趋势榜单!
2020年10月,发布PP-OCR算法,开源3.5M超超轻量模型,再下Paperswithcode 趋势榜第一
2021年1月,发布Style-Text文本合成算法,PPOCRLabel数据标注工具,star数量突破10000+,截至目前已经达到11.5k,在《Github 2020数字洞察报告》中被评为中国Github Top20活跃项目。
超轻量模型的效果:火车票、表格、金属铭牌、翻转图片、外语都是妥妥的,
动静统一的开发体验
动态图和静态图是深度学习框架常用的两种模式。在动态图模式下,代码编写运行方式符合Python程序员的习惯,易于调试,但在性能方面, Python执行开销较大,与C++有一定差距。
相比动态图,静态图在部署方面更具有性能的优势。静态图程序在编译执行时,预先搭建好的神经网络可以脱离Python依赖,在C++端被重新解析执行,而且拥有整体网络结构也能进行一些网络结构的优化。
飞桨动态图中新增了动态图转静态图的功能,支持用户使用动态图编写组网代码。预测部署时,飞桨会对用户代码进行分析,自动转换为静态图网络结构,兼顾了动态图易用性和静态图部署性能两方面优势。
文本合成工具Style-Text效果:相比于传统的数据合成算法,Style-Text可以实现特殊背景下的图片风格迁移,只需要少许目标场景图像,就可以合成大量数据,效果展示如下:
半自动标注工具PPOCRLabel:通过内置高质量的PPOCR中英文超轻量预训练模型,可以实现OCR数据的高效标注。CPU机器运行也是完全没问题的。效果演示如下:
那么最近的2021年4月份更新,又给大家带来哪些惊喜呢?
直接先看指标评测表现:PGNet算法在ICDAR2015数据集上的检测及端到端性能表现,在精度接近的条件下,速度上与之前大火的ABCNet相比翻了三倍,达到了SOTA的效果。
详细数据指标:
PGNet提出的方法框架如下图所示,输入的图象经过Backbone网络得到1/4下采样特征图,通过多任务学习,同时回归四个任务的内容,包括文本边缘偏移量预测(TBO),文本中心线预测(TCL),文本方向偏移量预测(TDO)以及文本字符分类图预测(TCC)。其中文本行的检测结果由TBO以及TCL经过后处理得到,文本行的识别结果由TCL,TDO以及TCC的输出得到。
图2 网络流程框架
在ICDAR2015以及Total-Text数据集上可以看一下模型效果:
图3 Total-Text及ICDAR2015数据集可视化效果图
【基于顶尖算法,开放拿来即用的成熟印章识别能力】同时,基于PGNet研发的印章识别能力已经在百度AI开放平台开放,可以有效检测并识别合同文件或常用票据中的印章,输出文字内容、印章位置信息以及相关置信度,已支持圆形章、椭圆形章、方形章等常见印章。提供标准化API接口,快速集成,同时支持私有化部署至本地,保障业务数据私密性。
注:此处非模型直接开源,但可以申请免费试用。
简单对比一下目前主流OCR方向开源repo的核心能力:
中英文模型性能及功能对比
其中,部分多语言模型性能及功能(F1-Score)对比(仅EasyOCR提供)
联系客服