OCR方向的工程师,一定需要知道这个OCR开源项目:PaddleOCR
短短半年时间,累计Star数量已超过11.5K,
频频登上Github Trending和Paperswithcode 日榜月榜第一,
在《Github 2020数字洞察报告》中被评为中国Github Top20活跃项目。
称它为 OCR方向目前最火的repo绝对不为过。
最近,它又带来两项全新发布:
先看下PaddleOCR自去年6月开源以来,短短几个月在GitHub上的表现:
这个含金量,广大的GitHub开发者们自然懂
用法也是非常的简单,标注效率提升60%-80%是妥妥的。 传送门: Github:https://github.com/PaddlePaddle/PaddleOCR 那么最近的2021年4月份更新,又给大家带来哪些惊喜呢?
直接先看指标评测表现:PGNet算法在Total-Text数据集上的检测及端到端性能表现,在精度可比的基础上,与先前的SOTA算法相比,经过飞桨预测引擎加速和后处理优化后,预测效率翻倍。
图1:PGNet模型的速度与精度性能对比
详细数据指标:
表1:ICDAR2015数据集上的检测及端到端性能
PGNet提出的方法框架如下图所示,输入的图象经过Backbone网络得到1/4下采样特征图,通过多任务学习,同时回归四个任务的内容,包括文本边缘偏移量预测(TBO),文本中心线预测(TCL),文本方向偏移量预测(TDO)以及文本字符分类图预测(TCC)。其中文本行的检测结果由TBO以及TCL经过后处理得到,文本行的识别结果由TCL,TDO以及TCC的输出得到。
图2 网络流程框架
在ICDAR2015以及Total-Text数据集上可以看一下模型效果:
图3 Total-Text及ICDAR2015数据集可视化效果图
PGNet论文地址: https://www.aaai.org/AAAI21Papers/AAAI-2885.WangP.pdf
【基于顶尖算法,开放拿来即用的成熟印章识别能力】同时,基于PGNet研发的印章识别能力已经在百度AI开放平台开放,可以有效检测并识别合同文件或常用票据中的印章,输出文字内容、印章位置信息以及相关置信度,已支持圆形章、椭圆形章、方形章等常见印章。提供标准化API接口,快速集成,同时支持私有化部署至本地,保障业务数据私密性。
开放能力地址:https://ai.baidu.com/tech/ocr/seal
注:此处非模型直接开源,但可以申请免费试用。
简单对比一下目前主流OCR方向开源repo的核心能力:
中英文模型性能及功能对比
其中,部分多语言模型性能及功能(F1-Score)对比(仅EasyOCR提供)
模型效果
值得一提的是,目前已经有全球开发者通过PR或者issue的方式为PaddleOCR提供多语言的字典和语料,在PaddleOCR上已经完成了全球80+ 主流语言的广泛覆盖:包括中文简体、中文繁体、英文、法文、德文、韩文、日文、意大利文、西班牙文、葡萄牙文、俄罗斯文、阿拉伯文、印地文、维吾尔文、波斯文、乌尔都文、塞尔维亚文(latin)、欧西坦文、马拉地文、尼泊尔文、塞尔维亚文、保加利亚文、乌克兰文、白俄罗斯文、泰卢固文、卡纳达文、泰米尔文,也欢迎更多开发者可以参与共建。
别的不需要多说了,大家访问GitHub点过star之后自己体验吧:https://github.com/PaddlePaddle/PaddleOCR