Github Star 9.2K,超级好用的OCR数据合成与半自动标注工具,强烈推荐! 天作之程 共
2361字,需浏览
5分钟
·
2021-02-02 03:02
OCR方向的工程师,一定需要知道这个OCR开源项目:PaddleOCR 频频登上Github Trending 日榜月榜, 全新发布数据合成工具Style-Text: 可以批量合成大量与目标场景类似的图像,在多个场景验证,效果均提升15%以上。全新发布半自动数据标注工具PPOCRLabel: 有了它数据标注工作事半功倍,相比labelimg标注效率提升60%以上,社区小规模测试,好评如潮。多语言识别模型效果升级: 在开源测试集评估,中文、英文、韩语、法语、德语、日文识别效果均优于EasyOCR。PP-OCR开发体验再升级: 支持动态图开发(训练调试更方便),静态图部署(预测效率更高),鱼与熊掌可以兼得。先看下PaddleOCR自去年6月开源以来,短短几个月在GitHub上的表现: 6月,8.6M超轻量模型发布,GitHub Trending 全球趋势榜日榜第一 。 8月,开源CVPR2020 顶会SOTA算法 ,再上GitHub趋势榜单! 10月,发布PP-OCR算法,开源3.5M超超轻量模型,再登 Paperswithcode 趋势榜第一。 这个含金量,广大的GitHub开发者们自然懂,
3.5M超超轻量模型的效果图大家直接看,绝对杠杠的。
火车票、表格、金属铭牌、翻转图片、外语都是妥妥的,
3.5M的模型能达到这个识别精度,绝对是良心之作了! Github:https://github.com/PaddlePaddle/PaddleOCR 三、全新发布OCR数据合成工具:Style-Text 相比于传统的数据合成算法,Style-Text可以实现特殊背景下的图片风格迁移,只需要少许目标场景图像,就可以合成大量数据,效果展示如下:
除了拉风的效果,采用这样的合成数据和真实数据一起训练,可以显著提升特殊场景的性能指标,分别以两个场景为例:
这项能力核心算法是基于百度和华科合作研发的文本编辑算法《Editing Text in the Wild》 https://arxiv.org/abs/1908.03047 不同于常用的基于GAN的数据合成工具,Style-Text主要框架包括 ①文本前景风格迁移模块 ②背景抽取模块 ③融合模块。经过这样三步,就可以迅速实现图片文字风格迁移啦。
除了数据合成,数据标注也一直是深度学习开发者关注的重点,
无论是从成本还是时间上面, 提高标注效率,降低标注成本 太重要了。 PPOCRLabel通过内置高质量的PPOCR中英文超轻量预训练模型,可以实现OCR数据的高效标注。CPU机器运行也是完全没问题的。
用法也是非常的简单,标注效率提升60%-80%是妥妥的。只能说, 真的太香了 。
简单对比一下目前主流OCR方向开源repo的核心能力:
其中,部分多语言模型性能及功能(F1-Score)对比(仅EasyOCR提供)
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 。 动态图和静态图是深度学习框架常用的两种模式。在动态图模式下,代码编写运行方式符合Python程序员的习惯,易于调试,但在性能方面, Python执行开销较大,与C++有一定差距。 相比动态图,静态图在部署方面更具有性能的优势。静态图程序在编译执行时,预先搭建好的神经网络可以脱离Python依赖,在C++端被重新解析执行,而且拥有整体网络结构也能进行一些网络结构的优化。 飞桨动态图中新增了动态图转静态图的功能,支持用户使用动态图编写组网代码。预测部署时,飞桨会对用户代码进行分析,自动转换为静态图网络结构,兼顾了动态图易用性和静态图部署性能两方面优势。
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
扫描下方二维码报名
立即加入技术交流群
下周更有三节深度技术公开课等你来参加,玩转PaddleOCR就差这三节课啦~~
https://www.paddlepaddle.org.cn GitHub: https://github.com/PaddlePaddle/PaddleOCR Gitee: https://gitee.com/paddlepaddle/PaddleOCR
浏览
19 点赞
评论
收藏
分享
手机扫一扫分享
举报
点赞
评论
收藏
分享
手机扫一扫分享
举报