导读

如果你是OCR方向的工程师，你一定需要知道这个OCR开源项目：PaddleOCR

先看下PaddleOCR自今年开源以来，短短几个月在GitHub上的表现：

7月，8.6M超轻量模型发布，GitHub Trending 全球趋势榜日榜第一。
8月，开源CVPR2020顶会SOTA算法，再上GitHub趋势榜单！
9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

有图有真相，这个含金量，广大的Github开发者们自然懂，目前，项目累计Star数量已超过4.6K，并且仍然持续增长，这样的成绩到底是如何做到的？让小编带你一探究竟。

我们先看repo里面的特性，确实是干货满满，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：

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

论文下载链接：https://arxiv.org/abs/2009.09941

快速体验PaddleOCR的3.5M超轻量OCR模型

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。

示例效果如下（可以在github首页找到下载二维码）

多个开源repo测试对比

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，chineseocr_lite和EasyOCR都是不支持的
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。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。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提升。