English | 简体中文

简介

PaddleOCR旨在打造一套丰富、领先、且实用的OCR工具库，助力使用者训练出更好的模型，并应用落地。

注意

PaddleOCR同时支持动态图与静态图两种编程范式

• 动态图版本：release/2.2（默认分支，开发分支为dygraph分支），需将paddle版本升级至2.0.0或以上版本（快速安装）
• 静态图版本：develop分支

近期更新

• PaddleOCR研发团队对最新发版内容技术深入解读，8月4日晚上20:15，直播地址。
• 2021.8.3 正式发布PaddleOCR v2.2，新增文档结构分析PP-Structure工具包，支持版面分析与表格识别（含Excel导出）。
• 2021.6.29 FAQ新增5个高频问题，总数248个，每周一都会更新，欢迎大家持续关注。
• 2021.4.8 release 2.1版本，新增AAAI 2021论文端到端识别算法PGNet开源，多语言模型支持种类增加到80+。
• 2021.2.8 正式发布PaddleOCRv2.0(branch release/2.0)并设置为推荐用户使用的默认分支. 发布的详细内容，请参考: https://github.com/PaddlePaddle/PaddleOCR/releases/tag/v2.0.0
• 2021.1.26,28,29 PaddleOCR官方研发团队带来技术深入解读三日直播课，1月26日、28日、29日晚上19:30，直播地址
• More

特性

• PPOCR系列高质量预训练模型，准确的识别效果
  • 超轻量ppocr_mobile移动端系列：检测（3.0M）+方向分类器（1.4M）+ 识别（5.0M）= 9.4M
  • 通用ppocr_server系列：检测（47.1M）+方向分类器（1.4M）+ 识别（94.9M）= 143.4M
  • 支持中英文数字组合识别、竖排文本识别、长文本识别
  • 支持80+多语言识别，详见多语言模型
• 丰富易用的OCR相关工具组件
  • 半自动数据标注工具PPOCRLabel：支持快速高效的数据标注
  • 数据合成工具Style-Text：批量合成大量与目标场景类似的图像
• 支持用户自定义训练，提供丰富的预测推理部署方案
• 支持PIP快速安装使用
• 可运行于Linux、Windows、MacOS等多种系统

效果展示

上图是通用ppocr_server模型效果展示，更多效果图请见效果展示页面。

欢迎加入PaddleOCR技术交流群

• 微信扫描二维码加入官方交流群，获得更高效的问题答疑，与各行各业开发者充分交流，期待您的加入。

快速体验

• PC端：超轻量级中文OCR在线体验地址：https://www.paddlepaddle.org.cn/hub/scene/ocr

• 移动端：安装包DEMO下载地址(基于EasyEdge和Paddle-Lite, 支持iOS和Android系统)，Android手机也可以直接扫描下面二维码安装体验。

• 代码体验：从快速安装 开始

PP-OCR 2.0系列模型列表（更新中）

说明 ：2.0版模型和1.1版模型的主要区别在于动态图训练vs.静态图训练，模型性能上无明显差距。

更多模型下载（包括多语言），可以参考PP-OCR v2.0 系列模型下载

文档教程

• 快速安装
• 中文OCR模型快速使用
• 多语言OCR模型快速使用
• 版面分析与表格识别快速使用
• 代码组织结构
• 算法介绍
  • 文本检测
  • 文本识别
  • PP-OCR Pipeline
  • PP-Structure Pipeline
  • 端到端PGNet算法
• 模型训练/评估
  • 文本检测
  • 文本识别
  • 方向分类器
  • yml参数配置文件介绍
• 预测部署
  • 基于pip安装whl包快速推理
  • 基于Python脚本预测引擎推理
  • 基于C++预测引擎推理
  • 服务化部署
  • 端侧部署
  • Benchmark
• 数据集
  • 通用中英文OCR数据集
  • 手写中文OCR数据集
  • 垂类多语言OCR数据集
• 数据标注与合成
  • 半自动标注工具PPOCRLabel
  • 数据合成工具Style-Text
  • 其它数据标注工具
  • 其它数据合成工具
• 效果展示
• FAQ
  • 【精选】OCR精选10个问题
  • 【理论篇】OCR通用50个问题
  • 【实战篇】PaddleOCR实战183个问题
• 技术交流群
• 参考文献
• 许可证书
• 贡献代码

PP-OCR Pipeline

PP-OCR是一个实用的超轻量OCR系统。主要由DB文本检测[2]、检测框矫正和CRNN文本识别三部分组成[7]。该系统从骨干网络选择和调整、预测头部的设计、数据增强、学习率变换策略、正则化参数选择、预训练模型使用以及模型自动裁剪量化8个方面，采用19个有效策略，对各个模块的模型进行效果调优和瘦身，最终得到整体大小为3.5M的超轻量中英文OCR和2.8M的英文数字OCR。更多细节请参考PP-OCR技术方案 https://arxiv.org/abs/2009.09941 。其中FPGM裁剪器[8]和PACT量化[9]的实现可以参考PaddleSlim。

效果展示 more

• 中文模型

• 英文模型

• 其他语言模型

许可证书

本项目的发布受Apache 2.0 license许可认证。

贡献代码

我们非常欢迎你为PaddleOCR贡献代码，也十分感谢你的反馈。

• 非常感谢 Khanh Tran 和 Karl Horky 贡献修改英文文档
• 非常感谢 zhangxin(Blog) 贡献新的可视化方式、添加.gitignore、处理手动设置PYTHONPATH环境变量的问题
• 非常感谢 lyl120117 贡献打印网络结构的代码
• 非常感谢 xiangyubo 贡献手写中文OCR数据集
• 非常感谢 authorfu 贡献Android和xiadeye 贡献IOS的demo代码
• 非常感谢 BeyondYourself 给PaddleOCR提了很多非常棒的建议，并简化了PaddleOCR的部分代码风格。
• 非常感谢 tangmq 给PaddleOCR增加Docker化部署服务，支持快速发布可调用的Restful API服务。
• 非常感谢 lijinhan 给PaddleOCR增加java SpringBoot 调用OCR Hubserving接口完成对OCR服务化部署的使用。
• 非常感谢 Mejans 给PaddleOCR增加新语言奥克西坦语Occitan的字典和语料。
• 非常感谢 Evezerest， ninetailskim， edencfc， BeyondYourself， 1084667371 贡献了PPOCRLabel的完整代码。