一、导读

不得不说，2020年绝对是OCR开源界的丰收年，各种开源repo横空出世，一次又一次的刷新开源界的baseline，小编今天再次给大家种个草，介绍今年OCR开源领域 “真.良心之作”百度飞桨PaddleOCR。

先看下飞桨文字识别套件PaddleOCR自今年年中开源以来，短短几个月在GitHub上的表现：

7月，8.6M超轻量模型发布，GitHub Trending 全球日榜榜单第一！
8月，开源CVPR2020顶会SOTA算法，再上GitHub趋势榜单！
9月，GitHub Star数量已超过3.2K，近期又带来哪些重磅更新？

果然，看9月最新更新，PaddleOCR再次诚意满满为大家带来真干货，直接看官方介绍：

数量上，这次PaddleOCR一口气发布了三个系列模型，满足移动端、服务器端各种场景需求。而且，多语言也妥妥安排上了，全部训练代码和模型毫无保留开源。其中3.5M超轻量文字识别模型，堪称目前业界开源的最轻量OCR模型了。

质量上，如此轻量的模型，效果有保障吗？不看广告，直接看疗效。

先看几个常见的通用场景识别效果：

3.5M的模型能达到这个识别精度，绝对是良心之作了！

再看一个非正常显示的图片：

文字倒着也能识别，没毛病（此处可以竖起大拇哥）。

想看更多效果？官方GitHub项目链接走起。

传送门：

Github：https://github.com/PaddlePaddle/PaddleOCR

论文下载链接：

https://arxiv.org/abs/2009.09941

激动的心，颤抖的手，相信有OCR玩家要问：

有Demo可以动手玩一玩吗？

二、快速体验PaddleOCR的3.5M超轻量OCR模型

为了让用户快速上手，PaddleOCR也是做足了准备。

PC端快速尝试：（打开网页，选一张图片，即可实时看到结果）

https://www.paddlepaddle.org.cn/hub/scene/ocr

‍手机端App安装体验

PaddleOCR在百度大脑EasyEdge上开放了文字识别APP demo。安卓手机可直接扫码下载：

iOS版本由于证书限制，需要登录百度EasyEdge网页扫码体验：https://ai.baidu.com/easyedge/app/openSource?from=paddlelite

效果如下：

‍

通过PIP安装包快速体验PaddleOCR

# pip安装pip install paddleocr

# 快速使用from paddleocr import PaddleOCR, draw_ocr# Paddleocr目前支持中英文、英文、法语、德语、韩语、日语，可以通过修改lang参数进行切换，参数依次为`ch`, `en`, `french`, `german`, `korean`, `japan`。ocr = PaddleOCR(use_angle_cls=True, lang="ch")# 输入待识别图片路径img_path = 'PaddleOCR/doc/imgs/11.jpg'# 输出结果保存路径result = ocr.ocr(img_path, cls=True)

更多内容，可以进入https://github.com/PaddlePaddle/PaddleOCR 快速开始

三、多个开源repo测试对比

对于OCR方向的开发者而言，开源repo最吸引人的莫过于

①高质量的预训练模型

②简单易上手的训练代码

③好用无坑的部署能力

简单对比一下目前主流OCR方向开源repo的核心能力：

从性能指标来看：

针对OCR实际应用场景，包括合同，车牌，铭牌，火车票，化验单，表格，证书，街景文字，名片，数码显示屏等，收集的300张图像，每张图平均有17个文本框，PaddleOCR的F1-Score超过0.5，这个性能已经很不错了。

从功能完备来看：

预训练模型大小：easyOCR目前暂无超轻量模型，chineseocr_lite最新的模型是4.7M左右，而PaddleOCR提供的3.5M无疑是目前业界已知最轻量的。
PIP安装：目前仅PaddleOCR和easyOCR支持。
自定义训练：实际业务场景中，预训练模型往往不能满足需求，对于自定义训练和模型Finetuning，目前只有PaddleOCR支持。
部署方面：easyOCR模型较大不适合端侧部署，Chineseocr_lite和PaddleOCR都具备端侧部署能力。

开发者可以根据自己的实际需求，选择适合自己的开源方案。

对于PaddleOCR 3.5MB的超轻量模型，是如何做到的，repo中也给出了解释。

3.5M超轻量模型应用了一套超轻量OCR系统PP-OCR，主要由DB文本检测、检测框矫正和CRNN文本识别三部分组成。该系统从骨干网络选择和调整、预测头部的设计、数据增强、学习率变换策略、正则化参数选择、预训练模型使用以及模型自动裁剪量化8个方面，采用19个有效策略，对各个模块的模型进行效果调优和瘦身，最终得到整体大小为3.5M的超轻量中英文OCR模型和2M的英文数字OCR模型。

更多细节请参考文末PP-OCR技术文章。

其中，飞桨模型压缩库PaddleSlim为PaddleOCR超轻量化模型的实现提供了核心的技术支撑。PaddleSlim集成了模型剪枝、量化（包括量化训练和离线量化）、蒸馏和神经网络搜索等多种业界常用且领先的模型压缩功能。通过PaddleSlim对PP-OCR中检测、检测框矫正和识别模型的压缩，从超轻量模型8.1M的压缩到3.5M，模型大小降低了56.79%，其中检测模型速度提升21%，而且整体模型精度还有一定提升。