不久前，百度技術團隊在不久前，百度技術團隊在 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，引起了技術圈內(nèi)開發(fā)者的熱議，今天就跟大家好好介紹下這個項目。

眾所周知，OCR（Optical Character Recognition，光學字符識別） 技術已被廣泛應用到我們生活中的方方面面，從印刷稿的文字識別、身份證電子化信息錄入，到傳統(tǒng)郵件自動分揀、汽車牌照識別等領域，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，引起了技術圈內(nèi)開發(fā)者的熱議，今天就跟大家好好介紹下這個項目。

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

在平時工作的時候，我也經(jīng)常會使用一些 OCR 軟件來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，圖像識別操作，則必將使用到 AI 技術。

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、橫豎排排版識別的 AI 深度學習模型之一。

先看下 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 4.6K， 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)碚娓韶洠苯涌垂俜浇榻B：

01. 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！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

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

2). 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。 示例效果如下（可以在 github 首頁找到下載二維碼）

多個開源 repo 測試對比

簡單對比一下目前主流 OCR 方向開源 repo 的核心能力：

3). 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。

4). 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部署，Chineseocr_lite 和 PaddleOCR 都具備端側部署能力。

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 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優(yōu)和瘦身。 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 提供了多語言預訓練模型（英、德、法、韓、日），支持自定義訓練和豐富的部署方式。

責任編輯：PSY

原文標題：Github標星4.6K+！這個OCR開源項目，火了！

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