软件工程应用与实践（十）：PP-OCRv2的简单介绍

最新推荐文章于 2025-03-31 20:00:00 发布

pinkray_c

最新推荐文章于 2025-03-31 20:00:00 发布

阅读量4.8k

点赞数 1

文章标签： python 机器学习 paddle paddlepaddle

本文链接：https://blog.youkuaiyun.com/pinkray_c/article/details/121733435

版权

2021SC@SDUSC

一、前情回顾和背景介绍

1.1　PP-OCR文字识别策略回顾

策略的选用主要是用来增强模型能力和减少模型大小。下面是PP-OCR文字识别器所采用的九种策略：

轻主干，选用采用 MobileNetV3 large x0.5 来权衡精度和效率；
数据增强，BDA (Base Dataaugmented)和TIA (Luo et al. 2020)；
余弦学习率衰减，有效提高模型的文本识别能力；
特征图辨析，适应多语言识别，进行向下采样 feature map的步幅修改；
正则化参数，权值衰减避免过拟合；
学习率预热，同样有效；
轻头部，采用全连接层将序列特征编码为预测字符，减小模型大小；
预训练模型，是在 ImageNet 这样的大数据集上训练的，可以达到更快的收敛和更好的精度；
PACT量化，略过 LSTM 层；

1.2　PP-OCRv2的背景

光学字符识别(0CR) 系统已广泛应用于各种应用场景。设计0CR系统仍然是一项具有挑战性的任务。

在之前的工作中，我们提出了一种实用的超轻量级OCR系统(PP-OCR)来平衡精度和效率。为了提高PP- OCR的准确性并保持高效率，在本文中将介绍，根据Paddle Paddle官方文档提出的一种更鲁棒的OCR系统，即PP -OCRv2。

PP -OCRv2引入了一系列技巧来训练更好的文本检测器和更好的文本识别器，其中包括协作互学习(CML)、 CopyPaste, 轻量级CPU 网络(PP-LCNet)、统一深度互学习(U-DML) 和增强CTCLoss 。
在真实数据上的实验表明，在相同的推理成本下，PP-0CRv2的精度比PP-0CR 高7%。它也可以与使用ResNet系列作为主干的PP-OCR 的服务器模型相媲美。上述所有模型都是开源的，代码可在GitHub 存储库PaddleOCR中找到。

1.3 PP-OCRv2的简介

OCR (Optical Character Recognition) ，如图1所示，经过近二十年来的深入研究，具有多种应用场景，如证件电子化、身份认证、数字金融系统、车牌识别等。在实际构建OCR系统时，不仅要考虑精度，还要考虑计算效率。

在之前，我们提出了-种实用的超轻量级0CR系统(PP-OCR) (Du et al. 2020) 来平衡精度和效率。它由文本检测、检测框校正和文本识别三部分组成。可微二值化(DB) (Liao et al. 2020a) 用于文本检测，CRNN (Shi， Bai， and Yao 2016) 用于文本识别。系统采用19种有效策略对模型进行优化和瘦身。为了提高PP-0CR的准确性并保持效率，在本文中，我们介绍一种更强大的OCR系统，即PP- -0CRv2。它引入了一系列技巧来训练更好的文本检测器和更好的文本识别器。图2说明了PP-0CRv2 的框架，大多数策略遵循PP-0CR，如绿框所示。这橙色框中的策略是PP- 0CRv2中的附加策略。