Github Star 7.2K，超級好用的OCR數(shù)據(jù)合成與半自動(dòng)標(biāo)注工具，強(qiáng)烈推薦！
OCR 方向的工程師，一定需要知道這個(gè) OCR 開源項(xiàng)目：PaddleOCR。短短幾個(gè)月，累計(jì) Star 數(shù)量已超過 7.2K，頻頻登上 Github Trending 日榜月榜，稱它為 OCR 方向目前最火的 repo 絕對不為過。
12 月，它又帶來四大新發(fā)布與升級，核心內(nèi)容先睹為快：
- 全新發(fā)布數(shù)據(jù)合成工具 Style-Text：可以批量合成大量與目標(biāo)場景類似的圖像，在多個(gè)場景驗(yàn)證，效果均提升 15% 以上。
- 全新發(fā)布半自動(dòng)數(shù)據(jù)標(biāo)注工具 PPOCRLabel：有了它數(shù)據(jù)標(biāo)注工作事半功倍，相比 labelimg 標(biāo)注效率提升 60% 以上，社區(qū)小規(guī)模測試，好評如潮。
- 多語言識(shí)別模型效果升級：中文、英文、韓語、法語、德語、日文識(shí)別效果均優(yōu)于 EasyO
R。
- PP-OCR 開發(fā)體驗(yàn)再升級：支持動(dòng)態(tài)圖開發(fā)（訓(xùn)練調(diào)試更方便），靜態(tài)圖部署（預(yù)測效率更高），魚與熊掌可以兼得。
PaddleOCR 歷史表現(xiàn)回顧
先看下 PaddleOCR 自今年開源以來，短短幾個(gè)月在 GitHub 上的表現(xiàn)：
- 6 月，8.6M 超輕量模型發(fā)布，GitHub Trending 全球趨勢榜日榜第一。
- 8 月，開源 CVPR2020 頂會(huì) SOTA 算法，再上 GitHub 趨勢榜單！
- 10 月，發(fā)布 PP-OCR 算法，開源 3.5M 超超輕量模型，再下 Paperswithcode 趨勢榜第一
這個(gè)含金量，廣大的 GitHub 開發(fā)者們自然懂，3.5M 超超輕量模型的效果圖大家直接看，絕對杠杠的。
火車票、表格、金屬銘牌、翻轉(zhuǎn)圖片、外語都是妥妥的，3.5M 的模型能達(dá)到這個(gè)識(shí)別精度，絕對是良心之作了！
傳送門：https://github.com/PaddlePaddle/PaddleOCR
那么最近的 12 月份更新，又給大家?guī)砟男@喜呢？
全新發(fā)布 OCR 數(shù)據(jù)合成工具：Style-Text
相比于傳統(tǒng)的數(shù)據(jù)合成算法，Style-Text 可以實(shí)現(xiàn)特殊背景下的圖片風(fēng)格遷移，只需要少許目標(biāo)場景圖像，就可以合成大量數(shù)據(jù)，效果展示如下：
1、相同背景批量數(shù)據(jù)合成
2、相同文字批量數(shù)據(jù)合成
3、圖片分離前景背景
除了拉風(fēng)的效果，采用這樣的合成數(shù)據(jù)和真實(shí)數(shù)據(jù)一起訓(xùn)練，可以顯著提升特殊場景的性能指標(biāo)，分別以兩個(gè)場景為例：
怎么樣，絕對是黑科技了吧。這項(xiàng)能力核心算法是基于百度自研的文本編輯算法《Editing Text in the Wild》。
論文地址：https://arxiv.org/abs/1908.03047
不同于常用的基于 GAN 的數(shù)據(jù)合成工具，Style-Text 主要框架包括 ①文本前景風(fēng)格遷移模塊 ②背景抽取模塊 ③融合模塊。經(jīng)過這樣三步，就可以迅速實(shí)現(xiàn)圖片文字風(fēng)格遷移啦。
超強(qiáng) OCR 數(shù)據(jù)標(biāo)注工具：PPOCRLabel
除了數(shù)據(jù)合成，數(shù)據(jù)標(biāo)注也一直是深度學(xué)習(xí)開發(fā)者關(guān)注的重點(diǎn)，無論是從成本還是時(shí)間上面，提高標(biāo)注效率，降低標(biāo)注成本太重要了。PPOCRLabel 通過內(nèi)置高質(zhì)量的 PPOCR 中英文超輕量預(yù)訓(xùn)練模型，可以實(shí)現(xiàn) OCR 數(shù)據(jù)的高效標(biāo)注。CPU 機(jī)器運(yùn)行也是完全沒問題的。話不多說，直接看 PPOCRLabel 效果演示：
用法也是非常的簡單，標(biāo)注效率提升 60%-80% 是妥妥的。只能說，真的太香了。
最好的多語言模型效果
簡單對比一下目前主流 OCR 方向開源 repo 的核心能力：
中英文模型性能及功能對比
其中，多語言識(shí)別模型準(zhǔn)確率對比（僅 EasyOCR 提供）
測試數(shù)據(jù)及環(huán)境說明：
- 中英文場景：針對 OCR 實(shí)際應(yīng)用場景，包括合同，車牌，銘牌，火車票，化驗(yàn)單，表格，證書，街景文字，名片，數(shù)碼顯示屏等，收集的 300 張圖像，每張圖平均有 17 個(gè)文本框，PaddleOCR 的 F1-Score 超過 0.5，這個(gè)性能已經(jīng)很不錯(cuò)了。
- 多語言場景：PaddleOCR 選擇了開源數(shù)據(jù) ICDAR2017 – MLT（多語言文本識(shí)別測試集），并抽取其中的法語、德語、日語、韓語數(shù)據(jù)作為評測集合。其中測試圖片大多來自于自然場景，例如廣告牌、路標(biāo)、海報(bào)等。
PP-OCR 開發(fā)體驗(yàn)再升級
動(dòng)態(tài)圖和靜態(tài)圖是深度學(xué)習(xí)框架常用的兩種模式。在動(dòng)態(tài)圖模式下，代碼編寫運(yùn)行方式符合 Python 程序員的習(xí)慣，易于調(diào)試，但在性能方面， Python 執(zhí)行開銷較大，與 C++ 有一定差距。
相比動(dòng)態(tài)圖，靜態(tài)圖在部署方面更具有性能的優(yōu)勢。靜態(tài)圖程序在編譯執(zhí)行時(shí)，預(yù)先搭建好的神經(jīng)網(wǎng)絡(luò)可以脫離 Python 依賴，在 C++ 端被重新解析執(zhí)行，而且擁有整體網(wǎng)絡(luò)結(jié)構(gòu)也能進(jìn)行一些網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化。
飛槳?jiǎng)討B(tài)圖中新增了動(dòng)態(tài)圖轉(zhuǎn)靜態(tài)圖的功能，支持用戶使用動(dòng)態(tài)圖編寫組網(wǎng)代碼。預(yù)測部署時(shí)，飛槳會(huì)對用戶代碼進(jìn)行分析，自動(dòng)轉(zhuǎn)換為靜態(tài)圖網(wǎng)絡(luò)結(jié)構(gòu)，兼顧了動(dòng)態(tài)圖易用性和靜態(tài)圖部署性能兩方面優(yōu)勢。
良心出品的中英文文檔教程
別的不需要多說了，大家訪問 GitHub 點(diǎn)過 star 之后自己體驗(yàn)吧：
https://github.com/PaddlePaddle/PaddleOCR
