138 lines
9.1 KiB
Markdown
138 lines
9.1 KiB
Markdown
[English](../doc_en/ppocr_introduction_en.md) | 简体中文
|
||
|
||
# PP-OCR
|
||
|
||
- [1. 简介](#1)
|
||
- [2. 特性](#2)
|
||
- [3. benchmark](#3)
|
||
- [4. 效果展示](#4)
|
||
- [5. 使用教程](#5)
|
||
- [5.1 快速体验](#51)
|
||
- [5.2 模型训练、压缩、推理部署](#52)
|
||
- [6. 模型库](#6)
|
||
|
||
|
||
<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-OCR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和PP-OCRv2两个版本：
|
||
|
||
PP-OCR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-OCRv2
|
||
|
||
PP-OCRv2在PP-OCR的基础上，进一步在5个方面重点优化，检测模型采用CML协同互学习知识蒸馏策略和CopyPaste数据增广策略；识别模型采用LCNet轻量级骨干网络、UDML 改进知识蒸馏策略和[Enhanced CTC loss](./doc/doc_ch/enhanced_ctc_loss.md)损失函数改进（如上图红框所示），进一步在推理速度和预测效果上取得明显提升。更多细节请参考PP-OCRv2[技术报告](https://arxiv.org/abs/2109.03144)。
|
||
|
||
#### PP-OCRv3
|
||
|
||
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:
|
||
- 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中的特征，优化FPN提取的特征。
|
||
- 蒸馏训练策略：首先，以resnet50作为backbone，改进后的LKPAN网络结构作为FPN，使用DML自蒸馏策略得到精度更高的teacher模型；然后，student模型FPN部分采用RSEFPN，采用PPOCRV2提出的CML蒸馏方法蒸馏，在训练过程中，动态调整CML蒸馏teacher loss的占比。
|
||
|
||
|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|teacher DML|124M|86.0|-|
|
||
|3|1 + 2 + RESFPN|3.6M|85.4|124ms|
|
||
|4|1 + 2 + LKPAN|4.6M|86.0|156ms|
|
||
|
||
|
||
<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。
|
||
|
||
|
||
<a name="4"></a>
|
||
## 4. 效果展示 [more](./visualization.md)
|
||
|
||
<details open>
|
||
<summary>PP-OCRv2 中文模型</summary>
|
||
|
||
<div align="center">
|
||
<img src="../imgs_results/ch_ppocr_mobile_v2.0/test_add_91.jpg" width="800">
|
||
<img src="../imgs_results/ch_ppocr_mobile_v2.0/00018069.jpg" width="800">
|
||
</div>
|
||
<div align="center">
|
||
<img src="../imgs_results/ch_ppocr_mobile_v2.0/00056221.jpg" width="800">
|
||
<img src="../imgs_results/ch_ppocr_mobile_v2.0/rotate_00052204.jpg" width="800">
|
||
</div>
|
||
|
||
</details>
|
||
|
||
|
||
<details open>
|
||
<summary>PP-OCRv2 英文模型</summary>
|
||
|
||
<div align="center">
|
||
<img src="../imgs_results/ch_ppocr_mobile_v2.0/img_12.jpg" width="800">
|
||
</div>
|
||
|
||
</details>
|
||
|
||
|
||
<details open>
|
||
<summary>PP-OCRv2 其他语言模型</summary>
|
||
|
||
<div align="center">
|
||
<img src="../imgs_results/french_0.jpg" width="800">
|
||
<img src="../imgs_results/korean.jpg" width="800">
|
||
</div>
|
||
|
||
</details>
|
||
|
||
|
||
<a name="5"></a>
|
||
## 5. 使用教程
|
||
|
||
<a name="51"></a>
|
||
### 5.1 快速体验
|
||
|
||
- 在线网站体验：超轻量PP-OCR mobile模型体验地址：https://www.paddlepaddle.org.cn/hub/scene/ocr
|
||
- 移动端demo体验：[安装包DEMO下载地址](https://ai.baidu.com/easyedge/app/openSource?from=paddlelite)(基于EasyEdge和Paddle-Lite, 支持iOS和Android系统)
|
||
- 一行命令快速使用：[快速开始（中英文/多语言）](./doc/doc_ch/quickstart.md)
|
||
|
||
<a name="52"></a>
|
||
### 5.2 模型训练、压缩、推理部署
|
||
|
||
更多教程，包括模型训练、模型压缩、推理部署等，请参考[文档教程](../../README_ch.md#文档教程)。
|
||
|
||
<a name="6"></a>
|
||
## 6. 模型库
|
||
|
||
PP-OCR中英文模型列表如下：
|
||
|
||
| 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PP-OCRv3模型（16.2M） | ch_PP-OCRv3_xx | 移动端&服务器端 | [推理模型](https://paddleocr.bj.bcebos.com/PP-OCRv3/chinese/ch_PP-OCRv3_det_infer.tar) / [训练模型](https://paddleocr.bj.bcebos.com/PP-OCRv3/chinese/ch_PP-OCRv3_det_distill_train.tar) | [推理模型](https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_cls_infer.tar) / [训练模型](https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_cls_train.tar) | [推理模型](https://paddleocr.bj.bcebos.com/PP-OCRv3/chinese/ch_PP-OCRv3_rec_infer.tar) / [训练模型](https://paddleocr.bj.bcebos.com/PP-OCRv3/chinese/ch_PP-OCRv3_rec_train.tar) |
|
||
| 英文超轻量PP-OCRv3模型（13.4M） | en_PP-OCRv3_xx | 移动端&服务器端 | [推理模型](https://paddleocr.bj.bcebos.com/PP-OCRv3/english/en_PP-OCRv3_det_infer.tar) / [训练模型](https://paddleocr.bj.bcebos.com/PP-OCRv3/english/en_PP-OCRv3_det_distill_train.tar) | [推理模型](https://paddleocr.bj.bcebos.com/dygraph_v2.0/en/ch_ppocr_mobile_v2.0_cls_infer.tar) / [训练模型](https://paddleocr.bj.bcebos.com/dygraph_v2.0/en/ch_ppocr_mobile_v2.0_cls_train.tar) | [推理模型](https://paddleocr.bj.bcebos.com/PP-OCRv3/english/en_PP-OCRv3_rec_infer.tar) / [训练模型](https://paddleocr.bj.bcebos.com/PP-OCRv3/english/en_PP-OCRv3_rec_train.tar) |
|
||
| 中英文超轻量PP-OCRv2模型（13.0M） | ch_PP-OCRv2_xx | 移动端&服务器端 | [推理模型](https://paddleocr.bj.bcebos.com/PP-OCRv2/chinese/ch_PP-OCRv2_det_infer.tar) / [训练模型](https://paddleocr.bj.bcebos.com/PP-OCRv2/chinese/ch_PP-OCRv2_det_distill_train.tar) | [推理模型](https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_cls_infer.tar) / [训练模型](https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_cls_train.tar) | [推理模型](https://paddleocr.bj.bcebos.com/PP-OCRv2/chinese/ch_PP-OCRv2_rec_infer.tar) / [训练模型](https://paddleocr.bj.bcebos.com/PP-OCRv2/chinese/ch_PP-OCRv2_rec_train.tar) |
|
||
| 中英文超轻量PP-OCR mobile模型（9.4M） | ch_ppocr_mobile_v2.0_xx | 移动端&服务器端 | [推理模型](https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_det_infer.tar) / [预训练模型](https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_det_train.tar) | [推理模型](https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_cls_infer.tar) / [预训练模型](https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_cls_train.tar) | [推理模型](https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_rec_infer.tar) / [预训练模型](https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_rec_pre.tar) |
|
||
| 中英文通用PP-OCR server模型（143.4M） | ch_ppocr_server_v2.0_xx | 服务器端 | [推理模型](https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_server_v2.0_det_infer.tar) / [预训练模型](https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_server_v2.0_det_train.tar) | [推理模型](https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_cls_infer.tar) / [预训练模型](https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_cls_train.tar) | [推理模型](https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_server_v2.0_rec_infer.tar) / [预训练模型](https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_server_v2.0_rec_pre.tar) |
|
||
|
||
更多模型下载（包括英文数字模型、多语言模型、Paddle-Lite模型等），可以参考[PP-OCR 系列模型下载](./models_list.md)。
|