Github Star 11.5K项目最新发版：AAAI 2021 顶会论文开源，80+多语言模型全新升级

转载于 2021-04-12 17:57:14 发布 · 348 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：https://paddle.wjx.cn/vj/tc08w5A.aspx?udsid=700292

文章标签：

#编程语言 #人工智能 #机器学习 #大数据 #深度学习

PaddleOCR在OCR领域取得新进展，发布了AAAI2021顶会论文开源的PGNet模型，实现任意形状文本实时检测与识别，速度提升三倍，达到SOTA效果。此外，还增加了对80多种语言的支持，包括中文、韩文、日文等，提供标准化API接口和私有化部署选项。开发者可以通过PR和issue参与共建。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

点击左上方蓝字关注我们

熟悉飞桨的的开发者们，一定会知道飞桨的重磅开源项目：PaddleOCR

短短半年时间，累计Star数量已超过11.5K，

频频登上Github Trending和Paperswithcode 日榜月榜第一，

在《Github 2020数字洞察报告》中被评为中国Github Top20活跃项目。

称它为 OCR方向目前最火的repo绝对不为过。

最近，它又带来两项全新发布：

AAAI 2021 顶会论文开源：PGNet: Real-time Arbitrarily-Shaped Text Spotting with Point Gathering Network 提出了一种简单且有效的任意方向端到端文本识别模型，在精度可比的基础上，与之前大火的ABCNet相比，预测速度快了三倍，达到SOTA效果。

多语言支持种类提升至80+种，开源SOTA效果：基本覆盖国际主流语言种类，在开源测试集MLT2017评估，中文、韩文、日文、拉丁语系、阿拉伯语系等，识别效果均显著优于EasyOCR。

传送门：

Github：https://github.com/PaddlePaddle/PaddleOCR

AAAI 2021 顶会论文：

端到端SOTA算法PGNet开源

直接先看指标评测表现：PGNet算法在ICDAR2015数据集上的检测及端到端性能表现，在精度接近的条件下，速度上与之前大火的ABCNet相比翻了三倍，达到了SOTA的效果。

图1：PGNet模型的速度与精度性能对比

详细数据指标：

表1：ICDAR2015数据集上的检测及端到端性能

PGNet提出的方法框架如下图所示，输入的图象经过Backbone网络得到1/4下采样特征图，通过多任务学习，同时回归四个任务的内容，包括文本边缘偏移量预测（TBO），文本中心线预测（TCL），文本方向偏移量预测（TDO）以及文本字符分类图预测（TCC）。其中文本行的检测结果由TBO以及TCL经过后处理得到，文本行的识别结果由TCL，TDO以及TCC的输出得到。

图2 网络流程框架

在ICDAR2015以及Total-Text数据集上可以看一下模型效果：

图3 Total-Text及ICDAR2015数据集可视化效果图

PGNet论文地址:

https://www.aaai.org/AAAI21Papers/AAAI-2885.WangP.pdf

【基于顶尖算法，开放拿来即用的成熟印章识别能力】同时，基于PGNet研发的印章识别能力已经在百度AI开放平台开放，可以有效检测并识别合同文件或常用票据中的印章，输出文字内容、印章位置信息以及相关置信度，已支持圆形章、椭圆形章、方形章等常见印章。提供标准化API接口，快速集成，同时支持私有化部署至本地，保障业务数据私密性。

开放能力地址：https://ai.baidu.com/tech/ocr/seal

注：此处非模型直接开源，但可以申请免费试用。

丰富的多语言种类

支持全球80+ 语言模型

简单对比一下目前主流OCR方向开源repo的核心能力：

中英文模型性能及功能对比

其中，部分多语言模型性能及功能（F1-Score）对比（仅EasyOCR提供）

模型效果

值得一提的是，目前已经有全球开发者通过PR或者issue的方式为PaddleOCR提供多语言的字典和语料，在PaddleOCR上已经完成了全球80+ 主流语言的广泛覆盖：包括中文简体、中文繁体、英文、法文、德文、韩文、日文、意大利文、西班牙文、葡萄牙文、俄罗斯文、阿拉伯文、印地文、维吾尔文、波斯文、乌尔都文、塞尔维亚文（latin）、欧西坦文、马拉地文、尼泊尔文、塞尔维亚文、保加利亚文、乌克兰文、白俄罗斯文、泰卢固文、卡纳达文、泰米尔文等等，也欢迎更多开发者可以参与共建。

良心出品的中英文文档教程

别的不需要多说了，大家访问GitHub点过star之后自己体验吧：

https://github.com/PaddlePaddle/PaddleOCR

直播活动预告

百度飞桨高级研发工程师刘威威，将为我们带来PaddleOCR最新进展，快来报名吧！

课程亮点

OCR领域前沿进展概述
万星项目PaddleOCR全介绍
AAAI 2021 顶会论文PGNet详细解读
80+多语言模型全新发布，效果升级

直播时间

4月13日晚19:00-20:00

扫描下方二维码，加入技术交流群

如果您想详细了解更多飞桨的相关内容，请参阅以下文档。

·飞桨官网地址·

https://www.paddlepaddle.org.cn/

·飞桨开源框架项目地址·

GitHub: https://github.com/PaddlePaddle/Paddle

Gitee: https://gitee.com/paddlepaddle/Paddle

·PaddleOCR项目地址·

GitHub: https://github.com/PaddlePaddle/PaddleOCR

Gitee: https://gitee.com/paddlepaddle/PaddleOCR

·PGNet论文地址·

https://www.aaai.org/AAAI21Papers/AAAI-2885.WangP.pdf

·印章识别开发能力·

https://ai.baidu.com/tech/ocr/seal

飞桨(PaddlePaddle)以百度多年的深度学习技术研究和业务应用为基础，是中国首个开源开放、技术领先、功能完备的产业级深度学习平台，包括飞桨开源平台和飞桨企业版。飞桨开源平台包含核心框架、基础模型库、端到端开发套件与工具组件，持续开源核心能力，为产业、学术、科研创新提供基础底座。飞桨企业版基于飞桨开源平台，针对企业级需求增强了相应特性，包含零门槛AI开发平台EasyDL和全功能AI开发平台BML。EasyDL主要面向中小企业，提供零门槛、预置丰富网络和模型、便捷高效的开发平台；BML是为大型企业提供的功能全面、可灵活定制和被深度集成的开发平台。

直播课精彩内容抢先看????