En PP OCRv4 Mobile Rec

🚀 en_PP - OCRv4_mobile_rec

en_PP - OCRv4_mobile_rec 是由 PaddleOCR 團隊開發的 PP - OCRv4_rec 系列中的一個文本行識別模型。該模型是基於 PP - OCRv4_mobile_rec 訓練的英文專用模型，支持英文識別。其關鍵準確率指標如下：

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。這確保了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

你可以通過單個命令快速體驗其功能：

paddleocr text_recognition \
    --model_name en_PP - OCRv4_mobile_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機器。

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")

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': 0.9936854243278503}}

可視化圖像如下：


有關使用命令和參數說明的詳細信息，請參考 [文檔](https://paddlepaddle.github.io/PaddleOCR/latest/en/version3.x/module_usage/text_recognition.html#iii - quick - start)。

高級用法

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來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/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 

結果會打印到終端：

{'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)}}

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="en_PP - OCRv4_mobile_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/DcAem61DifjkUQK9f - 0iZ.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 en_PP - OCRv4_mobile_rec。你還可以通過參數 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](https://paddlepaddle.github.io/PaddleOCR/latest/en/version3.x/pipeline_usage/OCR.html#2 - quick - start)。

📚 詳細文檔

• PaddleOCR 倉庫
• PaddleOCR 文檔

📄 許可證

本項目採用 Apache - 2.0 許可證。