OCR神器现世,Star 8.4K,霸榜GitHub

七月在线实验室

共 2346字,需浏览 5分钟

 ·

2021-01-27 09:10

OCR 方向的工程师,一定需要知道这个 OCR 开源项目:PaddleOCR

短短几个月,累计 Star 数量已超过8.5K;
频频登上 Github Trending 日榜月榜;
称它为 OCR 方向目前最火的 repo 绝对不为过;
最近,它又带来四大新发布与升级。

核心内容先睹为快:

  • 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。

 PaddleOCR 历史表现回顾 


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 CVPR 2020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,再下 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!

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

那么最近的12月份更新,又给大家带来哪些惊喜呢?

 全新发布 OCR 数据合成工具:Style-Text  


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:


1、相同背景批量数据合成


2、相同文字批量数据合成


3、图片分离前景背景


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:


怎么样,绝对是黑科技了吧。

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:

  • 文本前景风格迁移模块
  • 背景抽取模块
  • 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。


  超强 OCR 数据标注工具:PPOCRLabel  


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。

话不多说,直接看 PPOCRLabel 效果演示:


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。


 最好的多语言模型效果 

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)。


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。


 PP-OCR 开发体验再升级 


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。


 良心出品的中英文文档教程 




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

本文部分素材来源于网络,如有侵权,联系删除。



今日学习推荐

为识别分析实战特训】

六大前沿项目实战

从零开始搭建与应用

课件代码一应俱全

共享社群,实时答疑

01月31日(本周日)开课

长按识别二维码

咨询课程


课程详情

购买,咨询,查看课程,请点击阅读原文

↓ ↓ ↓         

浏览 34
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报