PP OCRv4 Server Rec

🚀 PP-OCRv4_server_rec

PP-OCRv4_server_rec 是 PaddleOCR 团队开发的 PP-OCRv4_rec 系列中的一个文本行识别模型。PP-OCRv4 是对 PP-OCRv3 的升级，整体框架保留了与 PP-OCRv3 相同的流程，并对检测和识别模型的数据、网络结构和训练策略等多个模块进行了优化。它支持一般中文和英文场景下的文本行识别，但主要侧重于中文。关键的准确率指标如下：

✨ 主要特性

注意：如果一行中的任何字符（包括标点符号）识别错误，则整行标记为错误，以确保在实际应用中具有更高的准确性。

🚀 快速开始

📦 安装指南

1. 安装 PaddlePaddle

请参考以下命令，使用 pip 安装 PaddlePaddle：

# 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/

有关 PaddlePaddle 安装的详细信息，请参考 PaddlePaddle 官方网站。

2. 安装 PaddleOCR

从 PyPI 安装最新版本的 PaddleOCR 推理包：

python -m pip install paddleocr

💻 使用示例

基础用法

你可以使用单个命令快速体验该功能：

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

你也可以将文本识别模块的模型推理集成到你的项目中。在运行以下代码之前，请将示例图像下载到本地。

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")

运行后，得到的结果如下：

{'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}}

可视化图像如下：

高级用法

有关使用命令和参数说明的详细信息，请参考 文档。

管道使用

单个模型的能力是有限的，但由多个模型组成的管道可以提供更强的能力，以解决现实场景中的难题。

PP-OCRv4

通用 OCR 管道用于通过从图像中提取文本信息并以字符串格式输出，来解决文本识别任务。管道中有 5 个模块：

• 文档图像方向分类模块（可选）
• 文本图像矫正模块（可选）
• 文本行方向分类模块（可选）
• 文本检测模块
• 文本识别模块

运行单个命令，快速体验 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 

结果将打印到终端：

{'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': ['学国8866', 'SSAS', '登机牌', 'BOARDING', '座位号', 'SEAT NO.', '舱位', 'CLASS', '序号', '日期DATE', 'SERIAL NO.', '航班FLIGHT', 'W', '035', 'MU237903DEC', '始发地', 'FROM', '登机口', 'GATE', '登机时间BDT', '目的地TO', '福州', 'TAIYUAN', 'G11', 'FUZHOU', '身份识别IDNO.', '姓名', 'NAME', 'ZHANGQIWEI', '票号TKTNO.', '张祺伟', '票价FARE', 'ETKT7813699238489/1', '登机口于起飞前1O分钟关闭 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，可视化结果将保存到 save_path 下。可视化输出如下：

命令行方法适用于快速体验。对于项目集成，也只需要几行代码：

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 启用/禁用文档方向分类模型
    use_doc_unwarping=False, # 使用 use_doc_unwarping 启用/禁用文档矫正模块
    use_textline_orientation=True, # 使用 use_textline_orientation 启用/禁用文本行方向分类模型
    device="gpu:0", # 使用 device 指定 GPU 进行模型推理
)
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")

管道中默认使用的模型是 PP-OCRv5_server_rec，因此需要通过参数 text_recognition_model_name 指定为 PP-OCRv4_server_rec。你也可以通过参数 text_recognition_model_dir 使用本地模型文件。有关使用命令和参数说明的详细信息，请参考 文档。

📚 详细文档

• PaddleOCR 仓库
• PaddleOCR 文档

📄 许可证

本项目采用 Apache-2.0 许可证。