网控科技网

作为一名开发者,各种OCR相关的需求自然也少不了:卡证识别、识别、

简介: 作为一名开发者,各种OCR相关的需求自然也少不了:卡证识别、识别、汽车场景、教育场景文字识别…

作为一名开发者,各种OCR相关的需求自然也少不了:卡证识别、识别、汽车场景、教育场景文字识别…

那么,这个模型大小仅8.6M,没有GPU也能跑得动,还自定义训练到多硬件部署的全套开发套件的开源通用OCR项目,了解一下?

可以看到,无论文字是横排、还是竖排,这个超轻量模型都有不错的识别效果。

难度略高,且实际生活当中经常遇到的场景也不在话下:那么,如果情况更复杂一点,这么小的模型能hold住吗?

毕竟,在实际应用场景中,图像中的文字难免存在字符弯曲、模糊等诸多问题。

其实,在实际OCR项目落地过程中,开发者往往面临两个痛点:1. 无论是移动端和服务器端,待识别的图像数目往往非常多,都希望模型更小,精度更高,预测速度更快。

在满足业务需求的前提下,模型越轻量占用的资源越少。

2. 实际业务场景中,OCR面临的问题多种多样,业务场景个性化往往需要自定义数据集重新训练,硬件环境多样化就需要支持丰富的部署方式。

再加上收集数据之类的dirty work,往往一个项目落地中的大部分时间都用在算法研发以外的环节中,迫切需要一套完整全流程的解决方案,来加快研发进度,节约宝贵的研发时间。

也就是说,超轻量模型及其全流程解决方案,尤其对于算力、存储空间有限的移动端、嵌入式设备而言,可以说是刚需。

而在这个开源项目中,开发者也贴心了直接可供测试的Demo。

在量子位的实际上手测试中,在移动端Demo上这样一个不到10M的模型,基本上可以做到秒出效果。

在中文公开数据集ICDAR2017-RCTW上,限定图片长边尺寸960px,测试数据与测试条件相同的前提下,将该项目与之前一度登上GitHub热榜的Chineseocr_Lite(5.1k stars)最新发布的10M模型进行测试对比。

在模型大小、精度和预测速度方面,结果如下:该8.6M超轻量模型,V100 GPU单卡平均预测耗时57ms,CPU平均预测耗时319ms。

而Chineseocr_Lite的10M模型,V100单卡预测速度230ms,CPU平均预测耗时739ms。

当然,这里面模型预测速度的提升不仅是因为模型大小更小了,也离不开算法与框架深度适配优化。

项目中给出enchmark如下:作为一名面向GitHub编程的程序员,顿时感到老板再来各种OCR需求都不方了。

GitHub 地址:https://github.com/PaddlePaddle/PaddleOCR8.6M的通用OCR模型如何炼成PaddleOCR发布的超轻量模型,主要由4.1M的检测模型和4.5M的识别模型组成。

模型虽小,但是训练用到的数据集却一点也不少,根据项目方给出的数据,模型用到的数据量(包括合成数据)大约在百万到千万量级。

但是也有开发者可能会问,在某些垂类场景,通用OCR模型的精度可能不能满足需求,而且算法模型在实际项目部署也会遇到各种问题,应该怎么办呢?

PaddleOCR从训练到部署,了非常全面的一条龙指引,堪称「最全OCR开发者大礼包」。

「最全OCR开发者大礼包」△礼包目录,堪称业界最全支持自定义训练OCR业务其实有特殊性,用户的需求很难通过一个通用模型来满足,之前开源的Chineseocr_Lite也是不支持用户训练的。

为了方便开发者使用自己的数据自定义超轻量模型,除了8.6M超轻量模型外,PaddleOCR同时了2种文本检测算法(EAST、DB)、4种文本识别算法(CRNN、Rosseta、STAR-Net、RARE),基本可以覆盖常见OCR任务的需求,并且算法还在持续丰富中。

特别是「模型训练/评估」中的「中文OCR训练预测技巧」,更是让人眼前一亮,点进去可以看到「中文长文本识别的特殊处理、如何更换不同ackbone等业务实战技巧」,相当符合开发者项目实战中的炼丹需求。

打通预测部署全流程对开发者更友好的是,PaddleOCR了手机端(含iOS、Android Demo)、嵌入式端、大规模数据离线预测、在线服务化预测等多种预测工具组件的支持,能够满足多样化的工业级应用场景。

数据集汇总项目帮开发者整理了常用的中文数据集、标注和合成工具,并在持续更新中。

目前包含的数据集包括:5个大规模通用数据集(ICDAR2019-LSVT,ICDAR2017-RCTW-17,中文街景文字识别,中文文档文字识别,ICDAR2019-ArT)大规模手写中文数据集(中科院自动化研究所-手写中文数据集)垂类多语言OCR数据集(中国城市车牌数据集、银行信用卡数据集、验证码数据集-Captcha、多语言数据集)还整理了常用数据标注工具(labelImg、roLabelImg、labelme)、常用数据合成工具(text_renderer、SynthText、SynthText_Chinese_version、TextRecognitionDataGenerator、SynthText3D、UnrealText)并且开源以来,受到开发者的广泛关注,已经有大量开发者投入到项目的建设中并且贡献内容。


以上是文章"

作为一名开发者,各种OCR相关的需求自然也少不了:卡证识别、识别、

"的内容,欢迎阅读网控科技网的其它文章