跳到主要内容

PaddleOCR

PaddleOCR 是百度飞桨（PaddlePaddle）团队开源的OCR工具库，提供了丰富的文本检测和识别能力，支持80多种语言识别。

🌟 核心特性​

  • ✅ 超轻量级：模型大小仅8.6M，适合移动端和边缘设备部署
  • ✅ 多语言支持：支持80+语言的文本识别，包括中英文、日韩文等
  • ✅ 丰富的模型库：提供检测、识别、方向分类等多个预训练模型
  • ✅ 端到端方案：从文本检测到识别的完整pipeline
  • ✅ 易于使用：提供Python、C++、Android、iOS等多端SDK
  • ✅ 高性能：优化的推理引擎，支持CPU和GPU加速

📦 安装与使用​

快速安装​

# 安装 PaddlePaddle
pip install paddlepaddle

# 安装 PaddleOCR
pip install paddleocr

基础使用​

from paddleocr import PaddleOCR, draw_ocr

# 初始化OCR模型
ocr = PaddleOCR(use_angle_cls=True, lang='ch')

# 执行OCR识别
result = ocr.ocr('test.jpg', cls=True)

# 解析结果
for idx in range(len(result)):
    res = result[idx]
    for line in res:
        print(line)
        # 输出格式: [[[x1,y1],[x2,y2],[x3,y3],[x4,y4]], ('识别文字', 置信度)]

指定识别语言​

# 英文识别
ocr = PaddleOCR(lang='en')

# 日文识别
ocr = PaddleOCR(lang='japan')

# 韩文识别
ocr = PaddleOCR(lang='korean')

🏗️ 技术架构​

PaddleOCR 采用了经典的 检测+识别 两阶段架构：

graph LR
    A[输入图像] --> B[文本检测]
    B --> C[方向分类]
    C --> D[文本识别]
    D --> E[输出结果]
    
    B -->|DB/SAST/EAST| B1[检测模型]
    C -->|方向分类器| C1[角度校正]
    D -->|CRNN/SVTR| D1[识别模型]

核心模块​

1. 文本检测模块​

支持多种检测算法：

  • DB (Differentiable Binarization)：默认算法，速度快精度高
  • SAST：适合长文本检测
  • EAST：经典检测算法
  • PSENet：适合密集文本场景

2. 方向分类模块​

  • 自动识别文本方向（0°, 90°, 180°, 270°）
  • 支持文本行角度矫正
  • 提升识别准确率

3. 文本识别模块​

支持多种识别算法：

  • CRNN：经典识别网络
  • SVTR：最新高精度模型
  • RARE：支持不规则文本
  • SRN：支持多方向文本

🎯 应用场景​

1. 证件识别​

from paddleocr import PaddleOCR

ocr = PaddleOCR(use_angle_cls=True, lang='ch')

# 身份证识别
result = ocr.ocr('id_card.jpg', cls=True)

# 提取关键信息
for line in result[0]:
    text = line[1][0]
    confidence = line[1][1]
    print(f"识别文本: {text}, 置信度: {confidence:.2f}")

2. 表格识别​

from paddleocr import PPStructure

# 初始化表格识别模型
table_engine = PPStructure(show_log=True, image_orientation=True)

# 识别表格
result = table_engine('table.jpg')

# 输出表格HTML
for line in result:
    if line['type'] == 'table':
        print(line['res']['html'])

3. 版面分析​

from paddleocr import PPStructure

# 初始化版面分析
layout_engine = PPStructure(
    table=False,
    ocr=True,
    show_log=True
)

# 分析文档版面
result = layout_engine('document.jpg')

# 输出版面结构
for region in result:
    print(f"类型: {region['type']}, 位置: {region['bbox']}")

📊 模型性能对比​

模型大小检测精度识别精度CPU速度GPU速度
PP-OCRv4 超轻量8.6M82.69%79.20%171ms8.5ms
PP-OCRv4 服务器143M85.20%82.69%506ms20ms
PP-OCRv3 超轻量12.4M80.1%76.9%195ms10ms

🔧 高级配置​

自定义模型路径​

ocr = PaddleOCR(
    det_model_dir='./inference/det',
    rec_model_dir='./inference/rec',
    cls_model_dir='./inference/cls',
    use_angle_cls=True,
    lang='ch'
)

性能优化​

# 启用GPU加速
ocr = PaddleOCR(use_gpu=True, gpu_mem=8000)

# 调整推理参数
ocr = PaddleOCR(
    det_db_thresh=0.3,      # 检测阈值
    det_db_box_thresh=0.6,  # 边框阈值
    use_angle_cls=True,     # 使用方向分类
    use_space_char=True     # 识别空格
)

批量处理​

import os
from paddleocr import PaddleOCR

ocr = PaddleOCR(use_angle_cls=True, lang='ch')

# 批量处理图片
image_dir = './images/'
for img_name in os.listdir(image_dir):
    img_path = os.path.join(image_dir, img_name)
    result = ocr.ocr(img_path, cls=True)
    
    # 保存结果
    with open(f'result_{img_name}.txt', 'w', encoding='utf-8') as f:
        for line in result[0]:
            f.write(f"{line[1][0]}\n")

🌐 多端部署​

Python部署​

pip install paddleocr

C++部署​

# 下载预测库
wget https://paddle-inference-lib.bj.bcebos.com/x.x.x/cxx_c/xxx.tgz

# 编译
mkdir build && cd build
cmake .. -DPADDLE_LIB=/path/to/paddle_inference
make

移动端部署​

支持 Android 和 iOS 平台：

  • Android: 基于Paddle Lite
  • iOS: 基于Paddle Lite + Metal加速

Web部署​

# 使用 Paddle.js
npm install @paddle-js-models/ocr

📚 资源链接​

💡 最佳实践​

  1. 图像预处理：调整图像大小、去噪、二值化可提升识别效果
  2. 模型选择：根据场景选择合适的模型（速度优先 vs 精度优先）
  3. 参数调优：根据实际场景调整检测和识别阈值
  4. 后处理优化：对识别结果进行业务规则校验和修正
  5. 批量处理：使用多进程/多线程提升处理效率

⚠️ 注意事项​

  • 首次运行会自动下载模型，需要网络连接
  • GPU版本需要安装对应的CUDA和cuDNN
  • 移动端部署需要使用Paddle Lite进行模型转换
  • 不同语言的识别需要加载对应的语言模型

🔄 更新日志​

  • 2024.02: 发布 PP-OCRv4，精度和速度进一步提升
  • 2023.08: 支持表格识别和版面分析
  • 2022.11: 发布 PP-OCRv3，模型更轻量
  • 2021.12: 发布多语言模型，支持80+语言