PP-OCR：实用超轻量级文本识别系统设计详解

相信很多人对今年上半年YOLOv4的出现记忆尤新，YOLOv4在算法设计上吸纳了众多目标检测任务中验证有效的新技术、新trick，从数据处理、模型设计、训练策略等全方位尝试，最终有机组合出在算法精度和效率实现最好平衡的算法。

虽然YOLOv4没有带来新的算法技术或理念，但结果却是工业界非常欢迎的。

前段时间，百度公布并开源了OCR领域的新算法PP-OCR，其也是从工业界实用性角度出发，集近年来深度学习、OCR、模型压缩等技术进展之大成者，今天我们就一起来看看作者都做了哪些工作。

该文作者信息：

论文地址：

PP-OCR: A Practical Ultra Lightweight OCR System

开源地址：
https://github.com/PaddlePaddle/PaddleOCR

作者全部来自百度。

   01    

算法架构

典型的OCR系统，按照流程分为两大支：

1）先检测后识别（detection then recognition）；

2）端到端识别(end to end text spotting)；

作者们选择传统的先文本检测后文本识别的流程，另外对于检测到的文本，作者使用了校正模块。所以整体流程如下：

主要分文本检测、检测包围框校正和文本识别三部分。从上图可以看出这三部分主要使用的技术：

1）文本检测：

可微分二值化文本检测方法（DB ，Liao et al. 2020࿰