PP OCRv4 Mobile Rec

🚀 PP-OCRv4_mobile_rec

PP-OCRv4_mobile_rec 是 PaddleOCR 團隊開發的 PP-OCRv4_rec 系列中的文本行識別模型。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。關鍵準確率指標如下：

🚀 快速開始

✨ 主要特性

PP-OCRv4_mobile_rec 作為 PP-OCRv4 系列的輕量級識別模型，具有以下顯著特性：

• 高效推理：具備高推理效率，能夠快速處理文本識別任務，適用於對即時性要求較高的場景。
• 廣泛適配：可部署在各種硬件設備上，包括邊緣設備，具有良好的通用性和靈活性。
• 精準識別：在中文和英文文本行識別方面表現出色，尤其專注於中文場景，為用戶提供準確的識別結果。

📦 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

你可以使用以下命令快速體驗模型功能：

paddleocr text_recognition \
    --model_name 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="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': 0.9915317893028259}}

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。

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實際場景中的難題。

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，從而解決文本識別任務。管道中有 5 個模塊：

• 文檔圖像方向分類模塊（可選）
• 文本圖像去扭曲模塊（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

運行以下命令快速體驗 OCR 管道：

paddleocr ocr -i https://cdn-uploads.huggingface.co/production/uploads/681c1ecd9539bdde5ae1733c/818ebrVG4OtH3sjLR-NRI.png \
    --text_recognition_model_name PP-OCRv4_mobile_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': ['準動國本008866', 'SSS', '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10分鐘關閉GATESCL0SE10MINUTESBEFOREDEPARTURETIME'], 'rec_scores': array([0.34848779, ..., 0.96997255]), '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，可視化結果將保存在 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_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/禁用文檔去扭曲模塊
    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_mobile_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

🔧 技術細節

PP-OCRv4 是對 PP-OCRv3 的升級，整體框架保留了與 PP-OCRv3 相同的流程，但在多個關鍵模塊進行了優化。在數據模塊，可能採用了更豐富、更具代表性的訓練數據，以提高模型的泛化能力。網絡結構方面，對檢測和識別模型的網絡進行了調整和改進，使其能夠更好地捕捉文本特徵。訓練策略上，可能運用了更先進的優化算法和正則化方法，以加速模型收斂並防止過擬合。這些優化措施共同提升了模型在中文和英文文本行識別任務中的性能。

📄 許可證

本項目採用 Apache-2.0 許可證。

🔗 相關鏈接

• PaddleOCR 倉庫
• PaddleOCR 文檔

⚠️ 重要提示

如果一行中的任何字符（包括標點符號）錯誤，則整行將被標記為錯誤。這確保了在實際應用中的更高準確性。

💡 使用建議

在使用模型進行推理時，建議根據實際硬件環境選擇合適的安裝方式，如使用 GPU 加速推理可顯著提高處理速度。同時，在集成模型到項目中時，可參考文檔中的詳細說明，合理調整參數以獲得最佳識別效果。