GitHub Star 7.2K,超级好用的 OCR 数据合成与半自动标注工具,强烈推荐!

技术讨论 你找不到我 ⋅ 于 3个月前 ⋅ 886 阅读
【极市&英特尔 OpenVINO中级认证】继续~第2抽奖正在进行中!剩余第3/4/5轮即将开启;希捷移动硬盘2T,英特尔算力棒、双肩包、购物卡等 共44份+英特尔权威认证证书+1500极力值,入群报名,详情点击查看
代码已内置;按视频一步操作即可;英特尔 OpenVINO联合认证(中级)视频教程点击

..................................

来源:机器之心


OCR 方向的工程师,一定需要知道这个 OCR 开源项目:PaddleOCR。短短几个月,累计 Star 数量已超过 7.2K,频频登上 Github Trending 日榜月榜,称它为 OCR 方向目前最火的 repo 绝对不为过。

12 月,它又带来四大新发布与升级,核心内容先睹为快:

  • 全新发布数据合成工具 Style-Text:可以批量合成大量与目标场景类似的图像,在多个场景验证,效果均提升 15% 以上。

  • 全新发布半自动数据标注工具 PPOCRLabel:有了它数据标注工作事半功倍,相比 labelimg 标注效率提升 60% 以上,社区小规模测试,好评如潮。

  • 多语言识别模型效果升级:中文、英文、韩语、法语、德语、日文识别效果均优于 EasyOCR。

  • PP-OCR 开发体验再升级:支持动态图开发(训练调试更方便),静态图部署(预测效率更高),鱼与熊掌可以兼得。


PaddleOCR 历史表现回顾

先看下 PaddleOCR 自今年开源以来,短短几个月在 GitHub 上的表现:

  • 6 月,8.6M 超轻量模型发布,GitHub Trending 全球趋势榜日榜第一。

  • 8 月,开源 CVPR2020 顶会 SOTA 算法,再上 GitHub 趋势榜单!

  • 10 月,发布 PP-OCR 算法,开源 3.5M 超超轻量模型,再下 Paperswithcode 趋势榜第一

    file

这个含金量,广大的 GitHub 开发者们自然懂,3.5M 超超轻量模型的效果图大家直接看,绝对杠杠的。

file

火车票、表格、金属铭牌、翻转图片、外语都是妥妥的,3.5M 的模型能达到这个识别精度,绝对是良心之作了!

传送门:https://github.com/PaddlePaddle/PaddleOCR

那么最近的 12 月份更新,又给大家带来哪些惊喜呢?


全新发布 OCR 数据合成工具:Style-Text

相比于传统的数据合成算法,Style-Text 可以实现特殊背景下的图片风格迁移,只需要少许目标场景图像,就可以合成大量数据,效果展示如下:

1、相同背景批量数据合成

file

2、相同文字批量数据合成

file

3、图片分离前景背景

file

除了拉风的效果,采用这样的合成数据和真实数据一起训练,可以显著提升特殊场景的性能指标,分别以两个场景为例:

file

怎么样,绝对是黑科技了吧。这项能力核心算法是基于百度自研的文本编辑算法《Editing Text in the Wild》。

论文地址:https://arxiv.org/abs/1908.03047

不同于常用的基于 GAN 的数据合成工具,Style-Text 主要框架包括 ①文本前景风格迁移模块 ②背景抽取模块 ③融合模块。经过这样三步,就可以迅速实现图片文字风格迁移啦。

file

超强 OCR 数据标注工具:PPOCRLabel

除了数据合成,数据标注也一直是深度学习开发者关注的重点,无论是从成本还是时间上面,提高标注效率,降低标注成本太重要了。PPOCRLabel 通过内置高质量的 PPOCR 中英文超轻量预训练模型,可以实现 OCR 数据的高效标注。CPU 机器运行也是完全没问题的。话不多说,直接看 PPOCRLabel 效果演示:

file

用法也是非常的简单,标注效率提升 60%-80% 是妥妥的。只能说,真的太香了。


最好的多语言模型效果

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

file

其中,多语言识别模型准确率对比(仅 EasyOCR 提供)

file

测试数据及环境说明:

  • 中英文场景:针对 OCR 实际应用场景,包括合同,车牌,铭牌,火车票,化验单,表格,证书,街景文字,名片,数码显示屏等,收集的 300 张图像,每张图平均有 17 个文本框,PaddleOCR 的 F1-Score 超过 0.5,这个性能已经很不错了。

  • 多语言场景:PaddleOCR 选择了开源数据 ICDAR2017 – MLT(多语言文本识别测试集),并抽取其中的法语、德语、日语、韩语数据作为评测集合。其中测试图片大多来自于自然场景,例如广告牌、路标、海报等。


PP-OCR 开发体验再升级

动态图和静态图是深度学习框架常用的两种模式。在动态图模式下,代码编写运行方式符合 Python 程序员的习惯,易于调试,但在性能方面, Python 执行开销较大,与 C++ 有一定差距。

相比动态图,静态图在部署方面更具有性能的优势。静态图程序在编译执行时,预先搭建好的神经网络可以脱离 Python 依赖,在 C++ 端被重新解析执行,而且拥有整体网络结构也能进行一些网络结构的优化。

飞桨动态图中新增了动态图转静态图的功能,支持用户使用动态图编写组网代码。预测部署时,飞桨会对用户代码进行分析,自动转换为静态图网络结构,兼顾了动态图易用性和静态图部署性能两方面优势。

良心出品的中英文文档教程

file

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



推荐:
适用于深度学习的 15 种最佳 OCR 数据集

微信公众号: 极市平台(ID: extrememart )
每天推送最新CV干货

本帖由 你找不到我 于 3个月前 取消沉帖
成为第一个点赞的人吧 :bowtie:
回复数量: 0
暂无回复~
您需要登陆以后才能留下评论!