不久前，百度技术团队不久前在GitHub上正式开放了OCR工件的源代码。它发布后不久，就多次出现在GitHub趋势列表中，这引起了技术界开发人员的热烈讨论。向所有人介绍这个项目。众所周知，OCR（光学字符识别，光学字符识别）技术已广泛应用于我们生活的各个方面，从打印草稿的文本识别，身份证的电子信息输入到传统的自动邮件分拣，汽车车牌识别等领域。上海正式开放了OCR工件的源代码，并在发布后不久将其多次冲入GitHub Trending列表，这引起了技术界开发人员的热烈讨论。今天，我将向所有人介绍这个项目。众所周知，OCR（光学字符识别，光学字符识别）技术已广泛应用于我们生活的各个方面，从打印草稿的文本识别，身份证的电子信息输入到传统的自动邮件分拣，汽车车牌识别等领域。 OCR是必不可少的。在正常工作中，我还经常使用一些OCR软件来扫描图片并提取文本，但是必然要使用AI技术，而不是手动完成一系列文本分析和图像识别操作。 GitHub上的百度开源PaddleOCR模型的大小仅为860万。它是目前圈子中能够支持中文和英文图像以及水平和垂直排版识别的少数AI深度学习模型之一。让我们看一下PaddleOCR在GitHub自今年中旬开源以来的短短几个月内的性能：7月，发布了8.6M超轻量级模型，并且GitHubTrend全球日报列表排名第一！ 8月，开源CVPR2020将成为SOTA算法的佼佼者，然后它将在GitHub趋势列表中！九月份，GitHubStar的数量已超过4.6K。最近带来了哪些重大更新？果然，看看9月的最新更新，PaddleOCR再次真诚地为您带来真正的干货，只看官方介绍：01。就官方介绍而言，这次PaddleOCR一次性发布了三个系列型号，满足移动设备和服务器的各种场景要求。此外，还可以合理安排多国语言，所有培训代码和模型都是开源的，没有保留。其中，3.5M超轻型文本识别模型可以称为业界最轻的OCR模型开源。在质量方面，是否可以保证这种轻量级模型的效果？不要看广告，只看效果。首先来看一些常见的普通场景识别效果：3.5M模型可以达到这种识别精度，这绝对是良心工作！门户Github：https：//github.com/PaddlePaddle/PaddleOCR论文下载链接：https：//arxiv.org/abs/2009.0994102。快速体验PaddleOCR 1）的3.5M超轻型OCR模型。在PC端快速尝试一下：（打开网页，选择图片，您可以实时查看结果）https://www.paddlepaddle.org.cn/hub/scene/ocr2）。移动应用程序安装经验PaddleOCR已在百度Brain EasyEdge APPdemo上打开了文本识别功能。示例效果如下（您可以在github主页上找到下载的QR代码）。多个开源回购测试的比较。只需比较当前主流OCR方向开源回购的核心功能：3）。从性能指标的角度来看：对于实际的OCR应用场景，包括合同，车牌，铭牌，火车票，实验室测试，表格，证书，街景文字，名片，数字显示屏等，分别收集了300张图像图像平均有17个文本框，PaddleOCR F1-Score超过0.5，这一性能已经非常不错。 4）。从完整功能的角度来看：预训练模型的大小：easyOCR当前没有超轻量级模型，最新的chineseocr_lite模型约为470万，而PaddleOCR提供的3.5M无疑是业内最轻的模型。 PIP安装：当前仅支持PaddleOCR和easyOCR。定制培训：在实际业务场景中，预培训模型通常无法满足需求。对于自定义训练和模型微调，当前仅PaddleOCR支持。部署：easyOCR模型相对较大，不适合于端侧部署。 Chineseocr_lite和PaddleOCR都具有端部部署功能。开发人员可以根据他们的实际需求选择适合他们的开源解决方案。对于PaddleOCR3.5MB的超轻量级型号，如何在存储库中进行说明。 3.5M超轻薄机型采用一套超轻薄