En PP OCRv4 Mobile Rec

🚀 en_PP - OCRv4_mobile_rec

en_PP - OCRv4_mobile_recは、PaddleOCRチームによって開発されたPP - OCRv4_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 - OCRv4_mobile_recをベースに訓練された英語専用のモデルで、英語の認識をサポートしています。主要な精度指標は以下の通りです。

⚠️ 重要提示

行内の任意の文字（句読点を含む）が誤認識された場合、その行は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。

🚀 クイックスタート

📦 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。

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

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

# 适用于 CPU
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

単一のコマンドですぐに機能を体験できます。

paddleocr text_recognition \
    --model_name en_PP - OCRv4_mobile_rec \
    -i https://cdn - uploads.huggingface.co/production/uploads/681c1ecd9539bdde5ae1733c/QmaPtftqwOgCtx0AIvU2z.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="en_PP - OCRv4_mobile_rec")
output = model.predict(input="QmaPtftqwOgCtx0AIvU2z.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、以下のような結果が得られます。

{'res': {'input_path': '/root/.paddlex/predict_input/QmaPtftqwOgCtx0AIvU2z.png', 'page_index': None, 'rec_text': 'the number of model parameters and FLOPs get larger, it', 'rec_score': 0.9936854243278503}}

可視化画像は以下の通りです。


使用コマンドとパラメータの説明に関する詳細情報は、[ドキュメント](https://paddlepaddle.github.io/PaddleOCR/latest/en/version3.x/module_usage/text_recognition.html#iii - quick - start)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、複数のモデルから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強力な能力を提供することができます。

PP - OCRv4

汎用OCRパイプラインは、画像からテキスト情報を抽出し、文字列形式で出力することで、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。

• 文書画像方向分類モジュール（オプション）
• テキスト画像矯正モジュール（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

単一のコマンドでOCRパイプラインをすぐに体験できます。

paddleocr ocr - i https://cdn - uploads.huggingface.co/production/uploads/681c1ecd9539bdde5ae1733c/c3hSldnYVQXp48T5V0Ze4.png \
    --text_recognition_model_name en_PP - OCRv4_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/c3hSldnYVQXp48T5V0Ze4.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([[[252, 172],
        ...,
        [254, 241]],

       ...,

       [[665, 566],
        ...,
        [663, 601]]], 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, ..., 0]), 'text_rec_score_thresh': 0.0, 'rec_texts': ['The moon tells the sky', 'The sky tells the sea', 'The sea tells the tide', 'And the tide tells me', 'Lemn Sissay'], 'rec_scores': array([0.99890286, ..., 0.99840254]), 'rec_polys': array([[[252, 172],
        ...,
        [254, 241]],

       ...,

       [[665, 566],
        ...,
        [663, 601]]], dtype=int16), 'rec_boxes': array([[252, ..., 241],
       ...,
       [663, ..., 612]], dtype=int16)}}

save_pathを指定した場合、可視化結果はsave_pathの下に保存されます。可視化出力は以下の通りです。


コマンドライン方式はすぐに体験するのに適しています。プロジェクトへの統合には、数行のコードで済みます。

from paddleocr import PaddleOCR  

ocr = PaddleOCR(
    text_recognition_model_name="en_PP - OCRv4_mobile_rec",
    use_doc_orientation_classify=False, # use_doc_orientation_classifyを使用して文書方向分類モデルを有効/無効にする
    use_doc_unwarping=False, # use_doc_unwarpingを使用して文書矯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/DcAem61DifjkUQK9f - 0iZ.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でen_PP - OCRv4_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説明に関する詳細情報は、[ドキュメント](https://paddlepaddle.github.io/PaddleOCR/latest/en/version3.x/pipeline_usage/OCR.html#2 - quick - start)を参照してください。

📚 ドキュメント

• PaddleOCRリポジトリ
• PaddleOCRドキュメント

📄 ライセンス

本プロジェクトはApache - 2.0ライセンスを採用しています。