PP OCRv4 Server Rec

🚀 PP-OCRv4_server_rec

PP-OCRv4_server_rec 是 PaddleOCR 團隊開發的 PP-OCRv4_rec 系列中的一個文本行識別模型。PP-OCRv4 是對 PP-OCRv3 的升級，整體框架保留了與 PP-OCRv3 相同的流程，並對檢測和識別模型的數據、網絡結構和訓練策略等多個模塊進行了優化。它支持一般中文和英文場景下的文本行識別，但主要側重於中文。關鍵的準確率指標如下：

✨ 主要特性

注意：如果一行中的任何字符（包括標點符號）識別錯誤，則整行標記為錯誤，以確保在實際應用中具有更高的準確性。

🚀 快速開始

📦 安裝指南

1. 安裝 PaddlePaddle

請參考以下命令，使用 pip 安裝 PaddlePaddle：

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

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

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

有關 PaddlePaddle 安裝的詳細信息，請參考 PaddlePaddle 官方網站。

2. 安裝 PaddleOCR

從 PyPI 安裝最新版本的 PaddleOCR 推理包：

python -m pip install paddleocr

💻 使用示例

基礎用法

你可以使用單個命令快速體驗該功能：

paddleocr text_recognition \
    --model_name PP-OCRv4_server_rec \
    -i https://cdn-uploads.huggingface.co/production/uploads/681c1ecd9539bdde5ae1733c/QmaPtftqwOgCtx0AIvU2z.png

你也可以將文本識別模塊的模型推理集成到你的項目中。在運行以下代碼之前，請將示例圖像下載到本地。

from paddleocr import TextRecognition
model = TextRecognition(model_name="PP-OCRv4_server_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")

運行後，得到的結果如下：

{'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': 0.9797593355178833}}

可視化圖像如下：

高級用法

有關使用命令和參數說明的詳細信息，請參考 文檔。

管道使用

單個模型的能力是有限的，但由多個模型組成的管道可以提供更強的能力，以解決現實場景中的難題。

PP-OCRv4

通用 OCR 管道用於通過從圖像中提取文本信息並以字符串格式輸出，來解決文本識別任務。管道中有 5 個模塊：

• 文檔圖像方向分類模塊（可選）
• 文本圖像矯正模塊（可選）
• 文本行方向分類模塊（可選）
• 文本檢測模塊
• 文本識別模塊

運行單個命令，快速體驗 OCR 管道：

paddleocr ocr -i https://cdn-uploads.huggingface.co/production/uploads/681c1ecd9539bdde5ae1733c/818ebrVG4OtH3sjLR-NRI.png \
    --text_recognition_model_name PP-OCRv4_server_rec \
    --use_doc_orientation_classify False \
    --use_doc_unwarping False \
    --use_textline_orientation True \
    --save_path ./output \
    --device gpu:0 

結果將打印到終端：

{'res': {'input_path': '/root/.paddlex/predict_input/818ebrVG4OtH3sjLR-NRI.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([[[  0,  10],
        ...,
        [  0,  72]],

       ...,

       [[189, 915],
        ...,
        [190, 960]]], 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([1, ..., 0]), 'text_rec_score_thresh': 0.0, 'rec_texts': ['學國8866', 'SSAS', '登機牌', 'BOARDING', '座位號', 'SEAT NO.', '艙位', 'CLASS', '序號', '日期DATE', 'SERIAL NO.', '航班FLIGHT', 'W', '035', 'MU237903DEC', '始發地', 'FROM', '登機口', 'GATE', '登機時間BDT', '目的地TO', '福州', 'TAIYUAN', 'G11', 'FUZHOU', '身份識別IDNO.', '姓名', 'NAME', 'ZHANGQIWEI', '票號TKTNO.', '張祺偉', '票價FARE', 'ETKT7813699238489/1', '登機口於起飛前1O分鐘關閉 GATESCLOSE1OMINUTESBEFOREDEPARTURETIME'], 'rec_scores': array([0.64382595, ..., 0.97421181]), 'rec_polys': array([[[  0,  10],
        ...,
        [  0,  72]],

       ...,

       [[189, 915],
        ...,
        [190, 960]]], dtype=int16), 'rec_boxes': array([[  0, ...,  72],
       ...,
       [189, ..., 960]], dtype=int16)}}

如果指定了 save_path，可視化結果將保存到 save_path 下。可視化輸出如下：

命令行方法適用於快速體驗。對於項目集成，也只需要幾行代碼：

from paddleocr import PaddleOCR  

ocr = PaddleOCR(
    text_recognition_model_name="PP-OCRv4_server_rec",
    use_doc_orientation_classify=False, # 使用 use_doc_orientation_classify 啟用/禁用文檔方向分類模型
    use_doc_unwarping=False, # 使用 use_doc_unwarping 啟用/禁用文檔矯正模塊
    use_textline_orientation=True, # 使用 use_textline_orientation 啟用/禁用文本行方向分類模型
    device="gpu:0", # 使用 device 指定 GPU 進行模型推理
)
result = ocr.predict("https://cdn-uploads.huggingface.co/production/uploads/681c1ecd9539bdde5ae1733c/818ebrVG4OtH3sjLR-NRI.png")  
for res in result:  
    res.print()  
    res.save_to_img("output")  
    res.save_to_json("output")

管道中默認使用的模型是 PP-OCRv5_server_rec，因此需要通過參數 text_recognition_model_name 指定為 PP-OCRv4_server_rec。你也可以通過參數 text_recognition_model_dir 使用本地模型文件。有關使用命令和參數說明的詳細信息，請參考 文檔。

📚 詳細文檔

• PaddleOCR 倉庫
• PaddleOCR 文檔

📄 許可證

本項目採用 Apache-2.0 許可證。