PaddleOCR
文章平均质量分 92
littletomatodonkey
work and life balance
展开
-
超轻量OCR系统PP-OCRv3技术解读
超轻量OCR系统PP-OCRv3技术解读PP-OCR是PaddleOCR团队自研的超轻量OCR系统,面向OCR产业应用,权衡精度与速度。近期,PaddleOCR团队针对PP-OCRv2的检测模块和识别模块,进行共计9个方面的升级,打造出一款全新的、效果更优的超轻量OCR系统:PP-OCRv3。https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.5/doc/doc_ch/PP-OCRv3_introduction.mdgithub.com/Pa转载 2022-05-09 15:57:40 · 2753 阅读 · 0 评论 -
还在愁做OCR法方向没有开源数据集嘛,PaddleOCR的这个工具你敢不敢看一下?
近期,PaddleOCR开源了Style-Text数据合成工具。https://github.com/PaddlePaddle/PaddleOCR/blob/dygraph/StyleText/README_ch.md项目主页https://github.com/PaddlePaddle/PaddleOCR到底多强结合GAN,输入一串文本和一个风格图片就可以生成对应的场景的图片!!!!!项目开源直接使用无需训练!!!!效果⬇️该工具可以批量合成大量与目标场景类似的图像,如下图所示。Styl转载 2020-12-16 17:51:26 · 381 阅读 · 0 评论 -
PP-OCR: 3.5M超轻量中英文OCR模型详解(四) 文本识别优化瘦身策略
PP-OCR: A Practical Ultra Lightweight OCR System论文地址:https://arxiv.org/abs/2009.09941代码地址:https://github.com/PaddlePaddle/PaddleOCR本文主要介绍PP-OCR中文本识别优化瘦身策略,首先会介绍实验环境,然后介绍超轻量骨干网络选择,数据增强,余弦学习率,增大特征图分辨率,正则化参数,预热学习率,头部轻量化,预训练大模型和PACT 量化的基本思路和消融实验。下图是PP-OCR中.转载 2020-09-26 00:05:22 · 1421 阅读 · 0 评论 -
PP-OCR: 3.5M超轻量中英文OCR模型详解(三) 文本方向分类器优化瘦身策略
PP-OCR: A Practical Ultra Lightweight OCR System论文地址:https://arxiv.org/abs/2009.09941代码地址:https://github.com/PaddlePaddle/PaddleOCR本文主要介绍PP-OCR中文本方向分类器优化瘦身策略,首先会介绍实验环境,然后介绍超轻量骨干网络选择、数据增强、增大输入分辨率和PACT 量化的基本思路和消融实验。1. 实验环境文本方向分类器的消融实验采用的是全量数据训练和评估。识别准确.转载 2020-09-25 23:28:44 · 2003 阅读 · 0 评论 -
PP-OCR: 3.5M超轻量中英文OCR模型详解(二) 文本检测优化瘦身策略
PP-OCR: A Practical Ultra Lightweight OCR System论文地址:https://arxiv.org/abs/2009.09941代码地址:https://github.com/PaddlePaddle/PaddleOCR本文主要介绍PP-OCR中文本检测优化瘦身策略,首先会介绍实验环境,然后介绍超轻量骨干网络选择、头部轻量化、SE模块的断舍离、余弦学习率、预热学习率以及使用FPGM模型裁剪器的基本思路和消融实验。下图是PP-OCR中使用的文本检测算法DB的结.转载 2020-09-25 23:22:21 · 2148 阅读 · 0 评论 -
PPOCR-3.5M超轻量中英文OCR模型详解-(一) 简介、方案概览和数据
PP-OCR: A Practical Ultra Lightweight OCR System论文地址:https://arxiv.org/abs/2009.09941代码地址:https://github.com/PaddlePaddle/PaddleOCR一、简介PP-OCR是一个实用的超轻量中英文OCR系统,是针对中英文OCR问题,对最新的文本检测算法 Differentiable Binarization (DB) 和经典的文本识别算法CRNN的能力充分挖掘,虽然没有理论创新,但是从骨干.转载 2020-09-25 23:07:51 · 10094 阅读 · 0 评论