重磅開(kāi)源：超輕量3.5M中英文OCR模型！
導(dǎo)讀
不得不說(shuō)，2020年絕對(duì)是OCR開(kāi)源界的豐收年，各種開(kāi)源repo橫空出世，一次又一次的刷新開(kāi)源界的baseline，今天再次給大家種個(gè)草，介紹今年OCR開(kāi)源領(lǐng)域 “真.良心之作”百度飛槳PaddleOCR。
先看下飛槳文字識(shí)別套件PaddleOCR自今年年中開(kāi)源以來(lái)，短短幾個(gè)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(kāi)源CVPR2020頂會(huì)SOTA算法，再上GitHub趨勢(shì)榜單！
9月，GitHub Star數(shù)量已超過(guò)3.2K， 近期又帶來(lái)哪些重磅更新？
果然，看9月最新更新，PaddleOCR再次誠(chéng)意滿滿為大家?guī)?lái)真干貨，直接看官方介紹：
數(shù)量上，這次PaddleOCR一口氣發(fā)布了三個(gè)系列模型，滿足移動(dòng)端、服務(wù)器端各種場(chǎng)景需求。而且，多語(yǔ)言也妥妥安排上了，全部訓(xùn)練代碼和模型毫無(wú)保留開(kāi)源。其中3.5M超輕量文字識(shí)別模型，堪稱(chēng)目前業(yè)界開(kāi)源的最輕量OCR模型了。
質(zhì)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(gè)常見(jiàn)的通用場(chǎng)景識(shí)別效果：
3.5M的模型能達(dá)到這個(gè)識(shí)別精度，絕對(duì)是良心之作了！再看一個(gè)非正常顯示的圖片：
文字倒著也能識(shí)別，沒(méi)毛?。ù颂幙梢载Q起大拇哥）。
想看更多效果？官方GitHub項(xiàng)目鏈接走起。
傳送門(mén)：
Github：
https://github.com/PaddlePaddle/PaddleOCR
論文下載鏈接：
https://arxiv.org/abs/2009.09941
激動(dòng)的心，顫抖的手，相信有OCR玩家要問(wèn)：
有Demo可以動(dòng)手玩一玩嗎？
快速體驗(yàn)PaddleOCR的3.5M超輕量OCR模型
為了讓用戶快速上手，PaddleOCR也是做足了準(zhǔn)備。
PC端快速?lài)L試：（打開(kāi)網(wǎng)頁(yè)，選一張圖片，即可實(shí)時(shí)看到結(jié)果）
鏈接地址：
https://www.paddlepaddle.org.cn/hub/scene/ocr
手機(jī)端App安裝體驗(yàn)
PaddleOCR在百度大腦EasyEdge上開(kāi)放了文字識(shí)別APP demo。安卓手機(jī)可直接掃碼下載：
iOS版本由于證書(shū)限制，需要登錄百度EasyEdge網(wǎng)頁(yè)掃碼體驗(yàn)：
https://ai.baidu.com/easyedge/app/openSource?from=paddlelite
效果如下：
通過(guò)PIP安裝包快速體驗(yàn)PaddleOCR
pip安裝 pip install paddleocr
快速使用 from paddleocr import PaddleOCR, draw_ocr
Paddleocr目前支持中英文、英文、法語(yǔ)、德語(yǔ)、韓語(yǔ)、日語(yǔ)，可以通過(guò)修改lang參數(shù)進(jìn)行切換，參數(shù)依次為
ch,en,french,german,korean,japan。
ocr = PaddleOCR(use_angle_cls=True, lang="ch")
# 輸入待識(shí)別圖片路徑
img_path = 'PaddleOCR/doc/imgs/11.jpg'
# 輸出結(jié)果保存路徑
result = ocr.ocr(img_path, cls=True)
更多內(nèi)容，可以進(jìn)入 https://github.com/PaddlePaddle/PaddleOCR 快速開(kāi)始。
多個(gè)開(kāi)源repo測(cè)試對(duì)比
對(duì)于OCR方向的開(kāi)發(fā)者而言，開(kāi)源repo最吸引人的莫過(guò)于：
①高質(zhì)量的預(yù)訓(xùn)練模型
②簡(jiǎn)單易上手的訓(xùn)練代碼
③好用無(wú)坑的部署能力
簡(jiǎn)單對(duì)比一下目前主流OCR方向開(kāi)源repo的核心能力：
從性能指標(biāo)來(lái)看：
針對(duì)OCR實(shí)際應(yīng)用場(chǎng)景，包括合同，車(chē)牌，銘牌，火車(chē)票，化驗(yàn)單，表格，證書(shū)，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(gè)文本框，PaddleOCR的F1-Score超過(guò)0.5，這個(gè)性能已經(jīng)很不錯(cuò)了。
從功能完備來(lái)看：
預(yù)訓(xùn)練模型大小：easyOCR目前暫無(wú)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(wú)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(xùn)練：實(shí)際業(yè)務(wù)場(chǎng)景中，預(yù)訓(xùn)練模型往往不能滿足需求，對(duì)于自定義訓(xùn)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(cè)部署，Chineseocr_lite和PaddleOCR都具備端側(cè)部署能力。
開(kāi)發(fā)者可以根據(jù)自己的實(shí)際需求，選擇適合自己的開(kāi)源方案。
對(duì)于PaddleOCR 3.5MB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(yīng)用了一套超輕量OCR系統(tǒng)PP-OCR，主要由DB文本檢測(cè)、檢測(cè)框矯正和CRNN文本識(shí)別三部分組成。該系統(tǒng)從骨干網(wǎng)絡(luò)選擇和調(diào)整、預(yù)測(cè)頭部的設(shè)計(jì)、數(shù)據(jù)增強(qiáng)、學(xué)習(xí)率變換策略、正則化參數(shù)選擇、預(yù)訓(xùn)練模型使用以及模型自動(dòng)裁剪量化8個(gè)方面，采用19個(gè)有效策略，對(duì)各個(gè)模塊的模型進(jìn)行效果調(diào)優(yōu)和瘦身，最終得到整體大小為3.5M的超輕量中英文OCR模型和2M的英文數(shù)字OCR模型。
更多細(xì)節(jié)請(qǐng)參考文末PP-OCR技術(shù)文章。
其中，飛槳模型壓縮庫(kù)PaddleSlim為PaddleOCR超輕量化模型的實(shí)現(xiàn)提供了核心的技術(shù)支撐。PaddleSlim集成了模型剪枝、量化（包括量化訓(xùn)練和離線量化）、蒸餾和神經(jīng)網(wǎng)絡(luò)搜索等多種業(yè)界常用且領(lǐng)先的模型壓縮功能。通過(guò)PaddleSlim對(duì)PP-OCR中檢測(cè)、檢測(cè)框矯正和識(shí)別模型的壓縮，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(cè)模型速度提升21%，而且整體模型精度還有一定提升。
更多驚喜
除了3.5M超輕量OCR模型，PaddleOCR還隱藏哪些驚喜，一睹為快：
本次開(kāi)源的超輕量英文數(shù)字識(shí)別模型，不得不說(shuō)，考慮的真周到，英文場(chǎng)景用起來(lái)更溜。
2、多語(yǔ)言支持，中、英、德、法、韓、日，據(jù)了解還在持續(xù)迭代更新并擴(kuò)充中，歡迎體驗(yàn)。
PaddleOCR也提供了多語(yǔ)言的識(shí)別模型配置文件如下圖所示：
用戶可以根據(jù)自己需求重新訓(xùn)練，也可以在預(yù)訓(xùn)練基礎(chǔ)上調(diào)優(yōu)。
3、文檔教程，絕對(duì)是開(kāi)源界的一股清流，對(duì)于OCR方向，能想到的內(nèi)容，PaddleOCR應(yīng)該都覆蓋了吧。
其中的FAQ部分強(qiáng)烈推薦，面試OCR算法工程師崗位你應(yīng)該用的到。
支持自定義訓(xùn)練，豐富部署能力
開(kāi)發(fā)者如果想要使用自定義數(shù)據(jù)訓(xùn)練超輕量模型，也可以從PaddleOCR提供的基礎(chǔ)算法庫(kù)中選擇適合自己的文本檢測(cè)、識(shí)別算法，進(jìn)行自定義的訓(xùn)練。自定義訓(xùn)練的存在讓開(kāi)發(fā)者可以使用自己的數(shù)據(jù)集打造更為契合自身需求的產(chǎn)品，極大程度滿足了不同開(kāi)發(fā)者的需求。
除了貼心的自定義訓(xùn)練，滿足開(kāi)發(fā)者產(chǎn)業(yè)級(jí)訓(xùn)練的需求之外，百度PaddleOCR為了更好的方便開(kāi)發(fā)者和企業(yè)應(yīng)用，打造了一系列的模型部署組件，可以支持開(kāi)發(fā)者和企業(yè)在服務(wù)端、移動(dòng)端、嵌入式硬件，云端服務(wù)化等多個(gè)不同的硬件平臺(tái)部署，最大化地滿足OCR文字識(shí)別領(lǐng)域的企業(yè)應(yīng)用。
招募活動(dòng)預(yù)告
9月26日，飛槳將舉辦OCR方向的線下沙龍活動(dòng)，歡迎北京OCR方向的開(kāi)發(fā)者們，我們相聚中關(guān)村。
（掃描海報(bào)中的二維碼即可報(bào)名獲取直播鏈接或現(xiàn)場(chǎng)門(mén)票）
更多飛槳的相關(guān)內(nèi)容，請(qǐng)參閱以下內(nèi)容。
官網(wǎng)地址：https://www.paddlepaddle.org.cn
飛槳PaddleOCR項(xiàng)目地址：GitHub: https://github.com/PaddlePaddle/PaddleOCR Gitee: https://gitee.com/paddlepaddle/PaddleOCR
飛槳PaddleSlim項(xiàng)目地址：GitHub: https://github.com/PaddlePaddle/PaddleSlim Gitee: https://gitee.com/paddlepaddle/PaddleSlim
PP-OCR技術(shù)文章：https://github.com/PaddlePaddle/PaddleOCR/raw/develop/doc/PPOCR.pdf