Devanagari PP OCRv3 Mobile Rec

🚀 天城文PP-OCRv3モバイル認識モデル

天城文PP-OCRv3モバイル認識モデルは、PaddleOCRチームによって開発されたPP-OCRv3_recシリーズのテキスト行認識モデルです。このモデルは、PP-OCRv3モバイル認識モデルをベースに天城文用に訓練された専用モデルで、天城文の認識をサポートしています。その主要な精度指標は以下の通りです。

🚀 クイックスタート

✨ 主な機能

• 天城文PP-OCRv3モバイル認識モデルは、PaddleOCRチームによって開発されたPP-OCRv3_recシリーズのテキスト行認識モデルです。
• このモデルは、PP-OCRv3モバイル認識モデルをベースに天城文用に訓練された専用モデルで、天城文の認識をサポートしています。
• このモデルは高い認識精度を持ち、平均認識精度は96.44%です。
• このモデルの保存サイズは小さく、わずか7.9Mです。

📦 インストール

1. PaddlePaddleのインストール

以下のコマンドを参考に、pipを使用してPaddlePaddleをインストールしてください。

# CUDA11.8用
python -m pip install paddlepaddle-gpu==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu118/

# CUDA12.6用
python -m pip install paddlepaddle-gpu==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu126/

# CPU用
python -m pip install paddlepaddle==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/cpu/

PaddlePaddleのインストールに関する詳細情報は、PaddlePaddle公式サイトを参照してください。

2. PaddleOCRのインストール

PyPIから最新バージョンのPaddleOCR推論パッケージをインストールします。

python -m pip install paddleocr

💻 使用例

基本的な使用法

以下のコマンドを使用して、このモデルの機能をすばやく体験することができます。

paddleocr text_recognition \
    --model_name devanagari_PP-OCRv3_mobile_rec \
    -i https://cdn-uploads.huggingface.co/production/uploads/681c1ecd9539bdde5ae1733c/lpNu16sSBMXoRDt_DmUm6.png

また、テキスト認識モジュールのモデル推論をあなたのプロジェクトに統合することもできます。以下のコードを実行する前に、サンプル画像をローカルマシンにダウンロードしてください。

from paddleocr import TextRecognition
model = TextRecognition(model_name="devanagari_PP-OCRv3_mobile_rec")
output = model.predict(input="lpNu16sSBMXoRDt_DmUm6.png", batch_size=1)
for res in output:
    res.print()
    res.save_to_img(save_path="./output/")
    res.save_to_json(save_path="./output/res.json")

実行後の結果は以下の通りです。

{'res': {'input_path': '/root/.paddlex/predict_input/lpNu16sSBMXoRDt_DmUm6.png', 'page_index': None, 'rec_text': 'बहुपङिकतपाठपरीआापकर', 'rec_score': 0.9564684629440308}}

使用コマンドとパラメータの詳細については、ドキュメントを参照してください。

高度な使用法

単一のモデルの能力には限界がありますが、複数のモデルで構成されるパイプラインは、現実のシーンでの難題を解決するためのより多くの能力を提供することができます。

PP-OCRv3

汎用OCRパイプラインは、画像からテキスト情報を抽出して文字列形式で出力することにより、テキスト認識タスクを解決します。パイプラインには5つのモジュールがあります。

• ドキュメント画像方向分類モジュール（オプション）
• テキスト画像歪み補正モジュール（オプション）
• テキスト行方向分類モジュール（オプション）
• テキスト検出モジュール
• テキスト認識モジュール

以下のコマンドを実行して、OCRパイプラインをすばやく体験してください。

paddleocr ocr -i https://cdn-uploads.huggingface.co/production/uploads/681c1ecd9539bdde5ae1733c/_5b764by68-a295JP4y1q.png \
    --text_recognition_model_name devanagari_PP-OCRv3_mobile_rec \
    --use_doc_orientation_classify False \
    --use_doc_unwarping False \
    --use_textline_orientation True \
    --save_path ./output \
    --device gpu:0 

結果はターミナルに表示されます。

{'res': {'input_path': '/root/.paddlex/predict_input/_5b764by68-a295JP4y1q.png', 'page_index': None, 'model_settings': {'use_doc_preprocessor': True, 'use_textline_orientation': True}, 'doc_preprocessor_res': {'input_path': None, 'page_index': None, 'model_settings': {'use_doc_orientation_classify': False, 'use_doc_unwarping': False}, 'angle': -1}, 'dt_polys': array([[[ 11,   8],
        ...,
        [ 11,  42]],

       ...,

       [[  9,  88],
        ...,
        [  9, 120]]], dtype=int16), 'text_det_params': {'limit_side_len': 64, 'limit_type': 'min', 'thresh': 0.3, 'max_side_limit': 4000, 'box_thresh': 0.6, 'unclip_ratio': 1.5}, 'text_type': 'general', 'textline_orientation_angles': array([0, ..., 1]), 'text_rec_score_thresh': 0.0, 'rec_texts': ['िसिरिलक', 'IBlhhh?', 'H॰'], 'rec_scores': array([0.98613745, ..., 0.5240429 ]), 'rec_polys': array([[[ 11,   8],
        ...,
        [ 11,  42]],

       ...,

       [[  9,  88],
        ...,
        [  9, 120]]], dtype=int16), 'rec_boxes': array([[ 11, ...,  42],
       ...,
       [  9, ..., 120]], dtype=int16)}}

コマンドライン方式はすばやい体験に適しています。プロジェクトへの統合については、数行のコードで実現できます。

from paddleocr import PaddleOCR  

ocr = PaddleOCR(
    text_recognition_model_name="devanagari_PP-OCRv3_mobile_rec",
    use_doc_orientation_classify=False, # use_doc_orientation_classifyを使用して、ドキュメント方向分類モデルを有効/無効にする
    use_doc_unwarping=False, # use_doc_unwarpingを使用して、ドキュメント歪み補正モジュールを有効/無効にする
    use_textline_orientation=True, # use_textline_orientationを使用して、テキスト行方向分類モデルを有効/無効にする
    device="gpu:0", # deviceを使用して、GPUを指定してモデル推論を行う
)
result = ocr.predict("https://cdn-uploads.huggingface.co/production/uploads/681c1ecd9539bdde5ae1733c/c3hSldnYVQXp48T5V0Ze4.png")  
for res in result:  
    res.print()  
    res.save_to_img("output")  
    res.save_to_json("output")

パイプラインでデフォルトで使用されるモデルはPP-OCRv5_server_recであるため、パラメータtext_recognition_model_nameを使用してdevanagari_PP-OCRv3_mobile_recを指定する必要があります。また、パラメータtext_recognition_model_dirを使用して、ローカルのモデルファイルを使用することもできます。使用コマンドとパラメータの詳細については、ドキュメントを参照してください。

📚 ドキュメント

📄 ライセンス

このプロジェクトはApache-2.0ライセンスを採用しています。

🔗 関連リンク

• PaddleOCRリポジトリ
• PaddleOCRドキュメント

⚠️ 重要な注意事項

一行の中の任意の文字（句読点を含む）が正しくない場合、その行全体が誤りとしてマークされます。これにより、実際のアプリケーションでより高い精度が保証されます。