Paddle-OCR简介

PaddleOCR特性

支持多种OCR相关前沿算法，在此基础上打造产业级特色模型PP-OCR和PP-Structure，并打通数据生产、模型训练、压缩、预测部署全流程。

 

PaddleOCR场景应用模型

行业	类别	亮点	文档说明	模型下载
制造	数码管识别	数码管数据合成、漏识别调优	光功率计数码管字符识别	下载链接
金融	通用表单识别	多模态通用表单结构化提取	多模态表单识别	下载链接
交通	车牌识别	多角度图像处理、轻量模型、端侧部署	轻量级车牌识别	下载链接

已支持的文本识别算法列表

•  CRNN
•  Rosetta
•  STAR-Net
•  RARE
•  SRN
•  NRTR
•  SAR
•  SEED
•  SVTR
•  ViTSTR
•  ABINet
•  VisionLAN
•  SPIN
•  RobustScanner
•  RFL

算法效果

参考DTRB[3]文字识别训练和评估流程，使用MJSynth和SynthText两个文字识别数据集训练，在IIIT, SVT, IC03, IC13, IC15, SVTP, CUTE数据集上进行评估，算法效果如下：

模型	骨干网络	Avg Accuracy	模型存储命名	下载链接
Rosetta	Resnet34_vd	79.11%	rec_r34_vd_none_none_ctc	训练模型
Rosetta	MobileNetV3	75.80%	rec_mv3_none_none_ctc	训练模型
CRNN	Resnet34_vd	81.04%	rec_r34_vd_none_bilstm_ctc	训练模型
CRNN	MobileNetV3	77.95%	rec_mv3_none_bilstm_ctc	训练模型
StarNet	Resnet34_vd	82.85%	rec_r34_vd_tps_bilstm_ctc	训练模型
StarNet	MobileNetV3	79.28%	rec_mv3_tps_bilstm_ctc	训练模型
RARE	Resnet34_vd	83.98%	rec_r34_vd_tps_bilstm_att	训练模型
RARE	MobileNetV3	81.76%	rec_mv3_tps_bilstm_att	训练模型
SRN	Resnet50_vd_fpn	86.31%	rec_r50fpn_vd_none_srn	训练模型
NRTR	NRTR_MTB	84.21%	rec_mtb_nrtr	训练模型
SAR	Resnet31	87.20%	rec_r31_sar	训练模型
SEED	Aster_Resnet	85.35%	rec_resnet_stn_bilstm_att	训练模型
SVTR	SVTR-Tiny	89.25%	rec_svtr_tiny_none_ctc_en	训练模型
ViTSTR	ViTSTR	79.82%	rec_vitstr_none_ce	训练模型
ABINet	Resnet45	90.75%	rec_r45_abinet	训练模型
VisionLAN	Resnet45	90.30%	rec_r45_visionlan	训练模型
SPIN	ResNet32	90.00%	rec_r32_gaspin_bilstm_att	训练模型
RobustScanner	ResNet31	87.77%	rec_r31_robustscanner	训练模型
RFL	ResNetRFL	88.63%	rec_resnet_rfl_att	训练模型