add ppocr_v3_introduction

doc/doc_ch/PP-OCRv3_introduction.md

@@ -0,0 +1,83 @@
+[English](../doc_en/PP-OCRv3_introduction_en.md) | 简体中文
+
+# PP-OCR
+
+- [1. 简介](#1)
+- [2. 特性](#2)
+- [3. benchmark](#3)
+
+
+
+<a name="1"></a>
+## 1. 简介
+
+PP-OCR是PaddleOCR自研的实用的超轻量OCR系统。在实现[前沿算法](algorithm.md)的基础上，考虑精度与速度的平衡，进行**模型瘦身**和**深度优化**，使其尽可能满足产业落地需求。
+
+#### PP-OCR
+
+PP-OCR是一个两阶段的OCR系统，其中文本检测算法选用[DB](algorithm_det_db.md)，文本识别算法选用[CRNN](algorithm_rec_crnn.md)，并在检测和识别模块之间添加[文本方向分类器](angle_class.md)，以应对不同方向的文本识别。
+
+PP-OCRv2系统pipeline如下：
+
+<div align="center">
+    <img src="../ppocrv2_framework.jpg" width="800">
+</div>
+
+
+PP-OCR系统在持续迭代优化，目前已发布PP-OCR、PP-OCRv2、PPOCRv3两个版本：
+
+PP-OCRv2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(如绿框所示)，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
+
+
+## PP-OCRv3策略简介
+
+
+### PP-OCRv3文本检测模型优化策略
+
+PP-OCRv3在PP-OCRv2的基础上进一步升级。
+
+PP-OCRv3文本检测从网络结构、蒸馏训练策略两个方向做了进一步优化:
+1. 网络结构改进：提出两种改进后的FPN网络结构，RSEFPN，LKPAN，分别从channel attention、更大感受野的角度优化FPN结构。
+
+![](../ppocr_v3/RSEFPN.png)
+
+PPOCRv2检测模型的FPN结构由纯卷积和上采样层构成，不包含BN层，激活函数等模块。PPOCRv3对PPOCRv2检测模型中的FPN结构进行改进，借鉴channel attention的思想，将FPN中的卷积层换为带残差结构的RSEBlock，其网络结构如上图所示；SEBlock起到channel attention的作用；另外，考虑到PPOCR文本检测模型FPN网络的通道数较小（channel=96），channel atttion可能抑制掉某些包含重要特征的channel；因此，PPOCRv3引入了残差结构。实验表明引入残差结构相比只引入SEBlock有2.7%的精度提升。RSEFPN将base检测模型的精度hmean从81.3%提升到84.5%。
+
+![](../ppocr_v3/LKPAN.png)
+
+LKPAN是一个具有更大感受野的轻量级PAN结构。其网络结构如图3所示。 LKPAN对输入的特征首先使用`1*1`conv统一特征的通道， 在LKPAN的path augmentation中，使用kernel size为`9*9`的深度可分离卷积。更大的kernelsize意味着更大的感受野，更容易检测大字体的文字以及极端长宽比的文字。使用深度可分离卷积可以显著降低模型的参数量。LKPAN将base检测模型的精度hmean从81.3%提升到84.9%。
+
+2. CML蒸馏训练策略调整：PPOCRv3文本检测模型训练中，仍采用[CML](https://arxiv.org/pdf/2109.03144.pdf)的蒸馏策略。首先，在蒸馏teacher模型选择上，使用ResNet50作为teacher的Backbone，使用LKPAN作为FPN部分，最终使用[DML](https://arxiv.org/abs/1706.00384)蒸馏策略训练得到更高精度的teacher模型。然后，在CML蒸馏训练时，随训练epoch数增加，线性降低teacher模型和student模型之间损失函数的比例，loss比例计算公式如下：
+```
+ α = 1 – (epoch/total_epoch)*0.4
+```
+最后，在蒸馏时，考虑到模型大小及预测速度，采用RSEFPN作为蒸馏student模型的FPN结构。优化后的CML蒸馏将PPOCRv2的精度hmean从83.3%提升到84.4%，同时模型的召回能力显著提升。
+
+
+3. 消融实验
+
+|序号|策略|模型大小|hmean|Intel Gold 6148CPU+mkldnn预测耗时|
+|-|-|-|-|-|
+|0|ppocr_mobile|3M|81.3|117ms|
+|1|PPOCRV2|3M|83.3|117ms|
+|2|0 + RESFPN|3.6M|84.5|124ms|
+|3|0 + LKPAN|4.6M|84.9|156ms|
+|4|teacher DML + LKPAN|124M|86.0|-|
+|5|0 + 2 + 4 + CML|3.6M|85.4|124ms|
+
+
+
+<a name="2"></a>
+## 2. 特性
+
+- 超轻量PP-OCRv2系列：检测（3.1M）+ 方向分类器（1.4M）+ 识别（8.5M）= 13.0M
+- 超轻量PP-OCR 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PP-OCR 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、法语等约80种语言
+
+
+<a name="3"></a>
+## 3. benchmark
+
+关于PP-OCR系列模型之间的性能对比，请查看[benchmark](./benchmark.md)文档。