近期更新
更新¶
🔥🔥2025.3.7 PaddleOCR 2.10 版本,主要包含如下内容:¶
-
重磅新增 OCR 领域 12 个自研单模型:
- 版面区域检测 系列 3 个模型:PP-DocLayout-L、PP-DocLayout-M、PP-DocLayout-S,支持预测 23 个常见版面类别,中英论文、研报、试卷、书籍、杂志、合同、报纸等丰富类型的文档实现高质量版面检测,mAP@0.5 最高达 90.4%,轻量模型端到端每秒处理超百页文档图像。
- 公式识别 系列 2 个模型:PP-FormulaNet-L、PP-FormulaNet-S,支持 5 万种 LaTeX 常见词汇,支持识别高难度印刷公式和手写公式,其中 PP-FormulaNet-L 较开源同等量级模型精度高 6 个百分点,PP-FormulaNet-S 较同等精度模型速度快 16 倍。
- 表格结构识别 系列 2 个模型:SLANeXt_wired、SLANeXt_wireless。飞桨自研新一代表格结构识别模型,分别支持有线表格和无线表格的结构预测。相比于SLANet_plus,SLANeXt在表格结构方面有较大提升,在内部高难度表格识别评测集上精度高 6 个百分点。
- 表格分类 系列 1 个模型:PP-LCNet_x1_0_table_cls,超轻量级有线表格和无线表格的分类模型。
- 表格单元格检测 系列 2 个模型:RT-DETR-L_wired_table_cell_det、RT-DETR-L_wireless_table_cell_det,分别支持有线表格和无线表格的单元格检测,可配合SLANeXt_wired、SLANeXt_wireless、文本检测、文本识别模块完成对表格的端到端预测。(参见本次新增的表格识别v2产线)
- 文本识别 系列 1 个模型: PP-OCRv4_server_rec_doc,支持1.5万+字典,文字识别范围更广,与此同时提升了部分文字的识别精准度,在内部数据集上,精度较 PP-OCRv4_server_rec 高 3 个百分点以上。
- 文本行方向分类 系列 1 个模型:PP-LCNet_x0_25_textline_ori,存储只有 0.3M 的超轻量级文本行方向分类模型。
-
重磅推出 4 条高价值多模型组合方案:
- 文档图像预处理产线:通过超轻量级模型组合使用,实现对文档图像的扭曲和方向的矫正。
- 版面解析v2产线:组合多个自研的不同类型的 OCR 类模型,优化复杂版面阅读顺序,实现多种复杂 PDF 文件端到端转换 Markdown 文件和 JSON 文件。在多个文档场景下,转换效果较其他开源方案更好。可以为大模型训练和应用提供高质量的数据生产能力。
- 表格识别v2产线:提供更好的表格端到端识别能力。 通过将表格分类模块、表格单元格检测模块、表格结构识别模块、文本检测模块、文本识别模块等组合使用,实现对多种样式的表格预测,用户可自定义微调其中任意模块以提升垂类表格的效果。
- PP-ChatOCRv4-doc产线:在 PP-ChatOCRv3-doc 的基础上,融合了多模态大模型,优化了 Prompt 和多模型组合后处理逻辑,更好地解决了版面分析、生僻字、多页 pdf、表格、印章识别等常见的复杂文档信息抽取难点问题,准确率较 PP-ChatOCRv3-doc 高 15 个百分点。其中,大模型升级了本地部署的能力,提供了标准的 OpenAI 调用接口,支持对本地大模型如 DeepSeek-R1 部署的调用。
🔥2024.10.1 添加OCR领域低代码全流程开发能力¶
-
飞桨低代码开发工具PaddleX,依托于PaddleOCR的先进技术,支持了OCR领域的低代码全流程开发能力:
-
支持文档场景信息抽取v3PP-ChatOCRv3-doc、基于RT-DETR的高精度版面区域检测模型和PicoDet的高效率版面区域检测模型、高精度表格结构识别模型SLANet_Plus、文本图像矫正模型UVDoc、公式识别模型LatexOCR、基于PP-LCNet的文档图像方向分类模型
🔥 2024.7 添加 PaddleOCR 算法模型挑战赛冠军方案:¶
- 赛题一:OCR 端到端识别任务冠军方案——[场景文本识别算法-SVTRv2](https://paddlepaddle.github.io/PaddleOCR/latest/algorithm/text_recognition/algorithm_rec_svtrv2.html);
- 赛题二:通用表格识别任务冠军方案——[表格识别算法-SLANet-LCNetV2](https://paddlepaddle.github.io/PaddleOCR/latest/algorithm/table_recognition/algorithm_table_slanet.html)。
🔥2024.5.10 上线星河零代码产线(OCR 相关)¶
全面覆盖了以下四大 OCR 核心任务,提供极便捷的 Badcase 分析和实用的在线体验
同时采用了 全新的场景任务开发范式 ,将模型统一汇聚,实现训练部署的零代码开发,并支持在线服务化部署和导出离线服务化部署包。
🔥2023.8.7 发布 PaddleOCR release/2.7¶
- 发布PP-OCRv4,提供 mobile 和 server 两种模型
- PP-OCRv4-mobile:速度可比情况下,中文场景效果相比于 PP-OCRv3 再提升 4.5%,英文场景提升 10%,80 语种多语言模型平均识别准确率提升 8%以上
- PP-OCRv4-server:发布了目前精度最高的 OCR 模型,中英文场景上检测模型精度提升 4.9%, 识别模型精度提升 2% 可参考快速开始 一行命令快速使用,同时也可在飞桨 AI 套件(PaddleX)中的通用 OCR 产业方案中低代码完成模型训练、推理、高性能部署全流程
🔨2022.11 新增实现4 种前沿算法:文本检测 DRRG, 文本识别 RFL, 文本超分Text Telescope,公式识别CAN¶
2022.10 优化JS 版 PP-OCRv3 模型:模型大小仅 4.3M,预测速度提升 8 倍,配套 web demo 开箱即用¶
- 💥 直播回放:PaddleOCR 研发团队详解 PP-StructureV2 优化策略。微信扫描下方二维码,关注公众号并填写问卷后进入官方交流群,获取直播回放链接与 20G 重磅 OCR 学习大礼包(内含 PDF 转 Word 应用程序、10 种垂类模型、《动手学 OCR》电子书等)
🔥2022.8.24 发布 PaddleOCR release/2.6¶
- 发布PP-StructureV2,系统功能性能全面升级,适配中文场景,新增支持版面复原,支持一行命令完成 PDF 转 Word;
- 版面分析模型优化:模型存储减少 95%,速度提升 11 倍,平均 CPU 耗时仅需 41ms;
- 表格识别模型优化:设计 3 大优化策略,预测耗时不变情况下,模型精度提升 6%;
- 关键信息抽取模型优化:设计视觉无关模型结构,语义实体识别精度提升 2.8%,关系抽取精度提升 9.1%。
2022.8 发布 OCR 场景应用集合:包含数码管、液晶屏、车牌、高精度 SVTR 模型、手写体识别等9 个垂类模型,覆盖通用,制造、金融、交通行业的主要 OCR 垂类应用¶
2022.5.9 发布PaddleOCR v2.5。发布内容包括¶
- PP-OCRv3,速度可比情况下,中文场景效果相比于PP-OCRv2再提升5%,英文场景提升11%,80语种多语言模型平均识别准确率提升5%以上;
- 半自动标注工具PPOCRLabelv2:新增表格文字图像、图像关键信息抽取任务和不规则文字图像的标注功能;
- OCR产业落地工具集:打通22种训练部署软硬件环境与方式,覆盖企业90%的训练部署环境需求
- 交互式OCR开源电子书《动手学OCR》,覆盖OCR全栈技术的前沿理论与代码实践,并配套教学视频。