Py学习  »  Git

Github Star 11.5K项目再发版:AAAI 2021 顶会论文开源,80+多语言模型全新升级

机器学习初学者 • 2 年前 • 208 次点击  

一、导读

OCR方向的工程师,一定需要知道这个OCR开源项目:PaddleOCR

短短半年时间,累计Star数量已超过11.5K

频频登上Github Trending和Paperswithcode 日榜月榜第一,

在《Github 2020数字洞察报告》中被评为中国Github Top20活跃项目

称它为 OCR方向目前最火的repo绝对不为过。

最近,它又带来两项全新发布:

  • AAAI 2021 顶会论文开源:PGNet: Real-time Arbitrarily-Shaped Text Spotting with Point Gathering Network 提出了一种简单且有效的任意方向端到端文本识别模型,在精度可比的基础上,与先前的SOTA算法相比,经过飞桨预测引擎加速和后处理优化后,预测效率翻倍。

  • 多语言支持种类提升至80+种:基本覆盖国际主流语言种类,在开源测试集MLT2017评估,中文、韩文、日文、拉丁语系、阿拉伯语系,识别效果均显著优于EasyOCR,开源SOTA效果。

二、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:

  • 2020年6月,8.6M超轻量模型发布,GitHub Trending 全球趋势榜日榜第一。

  • 2020年8月,开源CVPR2020顶会算法,再上GitHub趋势榜单!

  • 2020年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

  • 2021年1月,发布Style-Text文本合成算法,PPOCRLabel数据标注工具,star数量突破10000+,截至目前已经达到11.5k,在《Github 2020数字洞察报告》中被评为中国Github Top20活跃项目
    这个含金量,广大的GitHub开发者们自然懂

  • 超轻量模型的效果:火车票、表格、金属铭牌、翻转图片、外语都是妥妥的,

  • 动静统一的开发体验

    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。

  • 文本合成工具Style-Text效果: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:

  • 半自动标注工具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。效果演示如下:用法也是非常的简单,标注效率提升60%-80%是妥妥的。

    传送门:

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

    那么最近的2021年4月份更新,又给大家带来哪些惊喜呢?

三、AAAI 2021 顶会论文:端到端SOTA算法PGNet开源:

直接先看指标评测表现:PGNet算法在Total-Text数据集上的检测及端到端性能表现,在精度可比的基础上,与先前的SOTA算法相比,经过飞桨预测引擎加速和后处理优化后,预测效率翻倍。

图1:PGNet模型的速与精度性能对比

详细数据指标:

表1:ICDAR2015数据集上的检测及端到端性能

PGNet提出的方法框架如下图所示,输入的图象经过Backbone网络得到1/4下采样特征图,通过多任务学习,同时回归四个任务的内容,包括文本边缘偏移量预测(TBO),文本中心线预测(TCL),文本方向偏移量预测(TDO)以及文本字符分类图预测(TCC)。其中文本行的检测结果由TBO以及TCL经过后处理得到,文本行的识别结果由TCL,TDO以及TCC的输出得到。


图2 网络流程框架

在ICDAR2015以及Total-Text数据集上可以看一下模型效果:

图3 Total-Text及ICDAR2015数据集可视化效果图

PGNet论文地址: https://www.aaai.org/AAAI21Papers/AAAI-2885.WangP.pdf

【基于顶尖算法,开放拿来即用的成熟印章识别能力】同时,基于PGNet研发的印章识别能力已经在百度AI开放平台开放,可以有效检测并识别合同文件或常用票据中的印章,输出文字内容、印章位置信息以及相关置信度,已支持圆形章、椭圆形章、方形章等常见印章。提供标准化API接口,快速集成,同时支持私有化部署至本地,保障业务数据私密性。开放能力地址:https://ai.baidu.com/tech/ocr/seal

注:此处非模型直接开源,但可以申请免费试用。

四、丰富的多语言种类支持,目前已经支持全球80+ 语言模型

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)模型效果
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80+ 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。

五、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

六、直播活动预告

4月13日晚19:00-20:00,百度飞桨高级研发工程师将为我们带来PaddleOCR最新进展,快来报名吧!

扫描下方二维码,加入技术交流群

直播课精彩内容抢先看👇


官网地址:https://www.paddlepaddle.org.cn

PaddleOCR项目地址:

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

Gitee: https://gitee.com/paddlepaddle/PaddleOCR

PGNet论文地址: https://www.aaai.org/AAAI21Papers/AAAI-2885.WangP.pdf

印章识别开发能力:https://ai.baidu.com/tech/ocr/seal

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/111559
 
208 次点击