You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
19 KiB
19 KiB
| comments | hide | ||
|---|---|---|---|
| true |
|
更新
🔥🔥2025.06.05: PaddleOCR v3.0.1 版本发布，包含：
- 优化部分模型和模型配置：
- 更新 PP-OCRv5默认模型配置，检测和识别均由mobile改为server模型。为了改善大多数的场景默认效果，配置中的参数
limit_side_len由736改为64 - 新增文本行方向分类
PP-LCNet_x1_0_textline_ori模型，精度99.42%，OCR、PP-StructureV3、PP-ChatOCRv4产线的默认文本行方向分类器改为该模型 - 优化文本行方向分类
PP-LCNet_x0_25_textline_ori模型，精度提升3.3个百分点，当前精度98.85%
- 更新 PP-OCRv5默认模型配置，检测和识别均由mobile改为server模型。为了改善大多数的场景默认效果，配置中的参数
- 优化3.0.0版本部分存在的问题
- 优化CLI使用体验： 当使用PaddleOCR CLI不传入任何参数时，给出用法提示。
- 新增参数： PP-ChatOCRv3、PP-StructureV3支持
use_textline_orientation参数。 - CPU推理速度优化： 所有产线CPU推理默认开启MKL-DNN。
- C++推理支持： PP-OCRv5的检测和识别串联部分支持C++推理
- 修复3.0.0版本部分存在的问题
- 修复由于公式识别、表格识别模型无法使用MKL-DNN导致PP-StructureV3在部分cpu推理报错的问题
- 修复在部分GPU环境中推理报
FatalError: Process abort signal is detected by the operating system错误的问题 - 修复部分Python3.8环境的type hint的问题
- 修复
PPStructureV3.concatenate_markdown_pages方法不存在的问题。 - 修复实例化
paddleocr.PaddleOCR时同时指定lang和model_name时model_name不生效的问题。
🔥🔥2025.05.20: PaddleOCR 3.0 正式发布，包含：
-
发布全场景文字识别模型PP-OCRv5： 单模型支持五种文字类型和复杂手写体识别；整体识别精度相比上一代提升13个百分点。
-
发布通用文档解析方案PP-StructureV3： 支持多场景、多版式 PDF 高精度解析，在公开评测集中领先众多开源和闭源方案。
-
发布智能文档理解方案PP-ChatOCRv4： 原生支持文心大模型4.5 Turbo，精度相比上一代提升15个百分点。
-
重构部署能力，统一推理接口： PaddleOCR 3.0 融合了飞桨 PaddleX3.0 工具的底层能力，全面升级推理、部署模块，优化 2.x 版本的设计，统一并优化了 Python API 和命令行接口（CLI）。部署能力现覆盖高性能推理、服务化部署及端侧部署三大场景。
-
适配飞桨框架 3.0，优化训练流程： 新版本已兼容飞桨 3.0 的 CINN 编译器等最新特性，静态图模型存储文件名由
xxx.pdmodel改为xxx.json。 -
统一模型名称： 对PaddleOCR3.0支持的模型命名体系进行了更新，采用更规范、统一的命名规则，为后续迭代与维护奠定基础。
🔥🔥2025.3.7 PaddleOCR 2.10 版本，主要包含如下内容
-
重磅新增 OCR 领域 12 个自研单模型：
- 版面区域检测 系列 3 个模型：PP-DocLayout-L、PP-DocLayout-M、PP-DocLayout-S，支持预测 23 个常见版面类别，中英论文、研报、试卷、书籍、杂志、合同、报纸等丰富类型的文档实现高质量版面检测，mAP@0.5 最高达 90.4%，轻量模型端到端每秒处理超百页文档图像。
- 公式识别 系列 2 个模型：PP-FormulaNet-L、PP-FormulaNet-S，支持 5 万种 LaTeX 常见词汇，支持识别高难度印刷公式和手写公式，其中 PP-FormulaNet-L 较开源同等量级模型精度高 6 个百分点，PP-FormulaNet-S 较同等精度模型速度快 16 倍。
- 表格结构识别 系列 2 个模型：SLANeXt_wired、SLANeXt_wireless。飞桨自研新一代表格结构识别模型，分别支持有线表格和无线表格的结构预测。相比于SLANet_plus，SLANeXt在表格结构方面有较大提升，在内部高难度表格识别评测集上精度高 6 个百分点。
- 表格分类 系列 1 个模型：PP-LCNet_x1_0_table_cls，超轻量级有线表格和无线表格的分类模型。
- 表格单元格检测 系列 2 个模型：RT-DETR-L_wired_table_cell_det、RT-DETR-L_wireless_table_cell_det，分别支持有线表格和无线表格的单元格检测，可配合SLANeXt_wired、SLANeXt_wireless、文本检测、文本识别模块完成对表格的端到端预测。（参见本次新增的表格识别v2产线）
- 文本识别 系列 1 个模型： PP-OCRv4_server_rec_doc，支持1.5万+字典，文字识别范围更广，与此同时提升了部分文字的识别精准度，在内部数据集上，精度较 PP-OCRv4_server_rec 高 3 个百分点以上。
- 文本行方向分类 系列 1 个模型：PP-LCNet_x0_25_textline_ori，存储只有 0.3M 的超轻量级文本行方向分类模型。
-
重磅推出 4 条高价值多模型组合方案：
- 文档图像预处理产线：通过超轻量级模型组合使用，实现对文档图像的扭曲和方向的矫正。
- 版面解析v2产线：组合多个自研的不同类型的 OCR 类模型，优化复杂版面阅读顺序，实现多种复杂 PDF 文件端到端转换 Markdown 文件和 JSON 文件。在多个文档场景下，转换效果较其他开源方案更好。可以为大模型训练和应用提供高质量的数据生产能力。
- 表格识别v2产线：提供更好的表格端到端识别能力。 通过将表格分类模块、表格单元格检测模块、表格结构识别模块、文本检测模块、文本识别模块等组合使用，实现对多种样式的表格预测，用户可自定义微调其中任意模块以提升垂类表格的效果。
- PP-ChatOCRv4-doc产线：在 PP-ChatOCRv3-doc 的基础上，融合了多模态大模型，优化了 Prompt 和多模型组合后处理逻辑，更好地解决了版面分析、生僻字、多页 pdf、表格、印章识别等常见的复杂文档信息抽取难点问题，准确率较 PP-ChatOCRv3-doc 高 15 个百分点。其中，大模型升级了本地部署的能力，提供了标准的 OpenAI 调用接口，支持对本地大模型如 DeepSeek-R1 部署的调用。
🔥2024.10.1 添加OCR领域低代码全流程开发能力
-
飞桨低代码开发工具PaddleX，依托于PaddleOCR的先进技术，支持了OCR领域的低代码全流程开发能力：
-
支持文档场景信息抽取v3PP-ChatOCRv3-doc、基于RT-DETR的高精度版面区域检测模型和PicoDet的高效率版面区域检测模型、高精度表格结构识别模型SLANet_Plus、文本图像矫正模型UVDoc、公式识别模型LatexOCR、基于PP-LCNet的文档图像方向分类模型
🔥 2024.7 添加 PaddleOCR 算法模型挑战赛冠军方案
- 赛题一：OCR 端到端识别任务冠军方案——场景文本识别算法-SVTRv2；
- 赛题二：通用表格识别任务冠军方案——表格识别算法-SLANet-LCNetV2。
🔥2024.5.10 上线星河零代码产线(OCR 相关)
全面覆盖了以下四大 OCR 核心任务，提供极便捷的 Badcase 分析和实用的在线体验
-
通用 OCR (PP-OCRv4)。
-
通用表格识别 (SLANet)。
-
通用图像信息抽取 (PP-ChatOCRv2-common)。
-
文档场景信息抽取 (PP-ChatOCRv2-doc)。
同时采用了 全新的场景任务开发范式 ,将模型统一汇聚，实现训练部署的零代码开发，并支持在线服务化部署和导出离线服务化部署包。
🔥2023.8.7 发布 PaddleOCR release/2.7
- 发布PP-OCRv4，提供 mobile 和 server 两种模型
- PP-OCRv4-mobile：速度可比情况下，中文场景效果相比于 PP-OCRv3 再提升 4.5%，英文场景提升 10%，80 语种多语言模型平均识别准确率提升 8%以上
- PP-OCRv4-server：发布了目前精度最高的 OCR 模型，中英文场景上检测模型精度提升 4.9%， 识别模型精度提升 2% 可参考快速开始 一行命令快速使用，同时也可在飞桨 AI 套件(PaddleX)中的通用 OCR 产业方案中低代码完成模型训练、推理、高性能部署全流程
🔨2022.11 新增实现4 种前沿算法：文本检测 DRRG, 文本识别 RFL, 文本超分Text Telescope，公式识别CAN
2022.10 优化JS 版 PP-OCRv3 模型：模型大小仅 4.3M，预测速度提升 8 倍，配套 web demo 开箱即用
- 💥 直播回放：PaddleOCR 研发团队详解 PP-StructureV2 优化策略。微信扫描下方二维码，关注公众号并填写问卷后进入官方交流群，获取直播回放链接与 20G 重磅 OCR 学习大礼包（内含 PDF 转 Word 应用程序、10 种垂类模型、《动手学 OCR》电子书等）
🔥2022.8.24 发布 PaddleOCR release/2.6
- 发布PP-StructureV2，系统功能性能全面升级，适配中文场景，新增支持版面复原，支持一行命令完成 PDF 转 Word；
- 版面分析模型优化：模型存储减少 95%，速度提升 11 倍，平均 CPU 耗时仅需 41ms；
- 表格识别模型优化：设计 3 大优化策略，预测耗时不变情况下，模型精度提升 6%；
- 关键信息抽取模型优化：设计视觉无关模型结构，语义实体识别精度提升 2.8%，关系抽取精度提升 9.1%。
2022.8 发布 OCR 场景应用集合：包含数码管、液晶屏、车牌、高精度 SVTR 模型、手写体识别等9 个垂类模型，覆盖通用，制造、金融、交通行业的主要 OCR 垂类应用
2022.5.9 发布PaddleOCR v2.5。发布内容包括
- PP-OCRv3，速度可比情况下，中文场景效果相比于PP-OCRv2再提升5%，英文场景提升11%，80语种多语言模型平均识别准确率提升5%以上；
- 半自动标注工具PPOCRLabelv2：新增表格文字图像、图像关键信息抽取任务和不规则文字图像的标注功能；
- OCR产业落地工具集：打通22种训练部署软硬件环境与方式，覆盖企业90%的训练部署环境需求
- 交互式OCR开源电子书《动手学OCR》，覆盖OCR全栈技术的前沿理论与代码实践，并配套教学视频。