一、导读
OCR方向的工程师，一定需要知道这个OCR开源项目：PaddleOCR
短短半年时间，累计Star数量已超过11.5K，
频频登上Github Trending和Paperswithcode 日榜月榜第一，
在《Github 2020数字洞察报告》中被评为中国Github Top20活跃项目。
称它为 OCR方向目前最火的repo绝对不为过。
最近，它又带来两项全新发布：
- AAAI 2021 顶会论文开源：PGNet: Real-time Arbitrarily-Shaped Text Spotting with Point Gathering Network 提出了一种简单且有效的任意方向端到端文本识别模型，在精度可比的基础上，与先前的SOTA算法相比，经过飞桨预测引擎加速和后处理优化后，预测效率翻倍。
- 多语言支持种类提升至80 种：基本覆盖国际主流语言种类，在开源测试集MLT2017评估，中文、韩文、日文、拉丁语系、阿拉伯语系，识别效果均显著优于EasyOCR，开源SOTA效果。
二、PaddleOCR历史表现回顾
先看下PaddleOCR自去年6月开源以来，短短几个月在GitHub上的表现：
- 2020年6月，8.6M超轻量模型发布，GitHub Trending 全球趋势榜日榜第一。
- 2020年8月，开源CVPR2020顶会算法，再上GitHub趋势榜单！
- 2020年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
- 2021年1月，发布Style-Text文本合成算法，PPOCRLabel数据标注工具，star数量突破10000 ，截至目前已经达到11.5k，在《Github 2020数字洞察报告》中被评为中国Github Top20活跃项目。
这个含金量，广大的GitHub开发者们自然懂
- 超轻量模型的效果：火车票、表格、金属铭牌、翻转图片、外语都是妥妥的，
- 动静统一的开发体验 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。
- 文本合成工具Style-Text效果：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：
- 半自动标注工具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。效果演示如下：
用法也是非常的简单，标注效率提升60%-80%是妥妥的。 传送门： Github：https://github.com/PaddlePaddle/PaddleOCR 那么最近的2021年4月份更新，又给大家带来哪些惊喜呢？
三、AAAI 2021 顶会论文：端到端SOTA算法PGNet开源：
直接先看指标评测表现：PGNet算法在Total-Text数据集上的检测及端到端性能表现，在精度可比的基础上，与先前的SOTA算法相比，经过飞桨预测引擎加速和后处理优化后，预测效率翻倍。
图1：PGNet模型的速度与精度性能对比
详细数据指标：
表1：ICDAR2015数据集上的检测及端到端性能
PGNet提出的方法框架如下图所示，输入的图象经过Backbone网络得到1/4下采样特征图，通过多任务学习，同时回归四个任务的内容，包括文本边缘偏移量预测（TBO），文本中心线预测（TCL），文本方向偏移量预测（TDO）以及文本字符分类图预测（TCC）。其中文本行的检测结果由TBO以及TCL经过后处理得到，文本行的识别结果由TCL，TDO以及TCC的输出得到。
图2 网络流程框架
在ICDAR2015以及Total-Text数据集上可以看一下模型效果：
图3 Total-Text及ICDAR2015数据集可视化效果图
PGNet论文地址: https://www.aaai.org/AAAI21Papers/AAAI-2885.WangP.pdf
【基于顶尖算法，开放拿来即用的成熟印章识别能力】同时，基于PGNet研发的印章识别能力已经在百度AI开放平台开放，可以有效检测并识别合同文件或常用票据中的印章，输出文字内容、印章位置信息以及相关置信度，已支持圆形章、椭圆形章、方形章等常见印章。提供标准化API接口，快速集成，同时支持私有化部署至本地，保障业务数据私密性。
开放能力地址：https://ai.baidu.com/tech/ocr/seal
注：此处非模型直接开源，但可以申请免费试用。
四、丰富的多语言种类支持，目前已经支持全球80 语言模型
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
其中，部分多语言模型性能及功能（F1-Score）对比（仅EasyOCR提供）
模型效果
值得一提的是，目前已经有全球开发者通过PR或者issue的方式为PaddleOCR提供多语言的字典和语料，在PaddleOCR上已经完成了全球80 主流语言的广泛覆盖：包括中文简体、中文繁体、英文、法文、德文、韩文、日文、意大利文、西班牙文、葡萄牙文、俄罗斯文、阿拉伯文、印地文、维吾尔文、波斯文、乌尔都文、塞尔维亚文（latin）、欧西坦文、马拉地文、尼泊尔文、塞尔维亚文、保加利亚文、乌克兰文、白俄罗斯文、泰卢固文、卡纳达文、泰米尔文，也欢迎更多开发者可以参与共建。
五、良心出品的中英文文档教程
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
