开源OCR模型对比

本文主要给出了常见开源文本检测和文本识别模型的对比和评测，给大家一个使用参考。

引言

目前，开源的项目中有很多OCR模型，但是没有一个统一的基准来衡量哪个是更好一些的。

面对这么多的模型，让我们有些不知所措。为此，最近一段时间以来，我一直想要构建这样一个基准。现在来看，已经初步具有雏形。

为了能更好地评测各个模型效果，收集标注了两个开源评测集：

• text_det_test_dataset
• text_rec_test_dataset

为了能够方便计算各个模型指标，整理开源了两个计算常用指标的库：

• TextDetMetric
• TextRecMetric

以下结果均是基于以上4个库来的，其指标结果仅仅代表在指定评测集上效果，不代表在其他测试集上结果也是如此，仅供参考。

以下表格中推理时间是基于MacBook Pro M2运行所得，不同机器会有差别，请侧重查看彼此之间的比较。

指标计算都是在相同参数下计算得来，差别仅在于模型文件不同。

对应模型下载地址，参见：link。

已知开源OCR项目

• PaddleOCR
• EasyOCR
• MMOCR
• CnOCR
• DAVAR-Lab-OCR
• mindocr
• surya

文本检测模型

评测依赖仓库：

• rapidocr_onnxruntime==1.3.16: link
• 计算指标库 TextDetMetric: link
• 测试集 text_det_test_dataset: link

详情可以移步AI Studio运行查看。

模型	模型大小	Precision	Recall	H-mean	Speed(s/img)
ch_PP-OCRv4_det_infer.onnx	4.5M	0.8301	0.8659	0.8476	0.2256
ch_PP-OCRv3_det_infer.onnx	2.3M	0.8021	0.8457	0.8234	0.1660
ch_PP-OCRv2_det_infer.onnx	2.2M	0.7579	0.8010	0.7788	0.1570
ch_PP-OCRv4_det_server_infer.onnx	108M	0.7922	0.8533	0.8216	3.9093
ch_ppocr_server_v2.0_det_infer.onnx	47M	0.7298	0.8128	0.7691	0.7419
读光-文字检测-轻量化端侧DBNet行检测模型-中英-通用领域	5.8M	0.7666	0.8128	0.7890	0.6636
读光-文字检测-DBNet行检测模型-中英-通用领域	47.2M	0.7749	0.8167	0.7952	0.4121
读光-文字检测-行检测模型-中英-通用领域 未跑通	312M	-	-	-	-

不同推理引擎下，效果比较：

推理引擎	模型	模型大小	Precision	Recall	H-mean	Speed(s/img)
rapidocr_onnxruntime==1.3.16	ch_PP-OCRv4_det_infer.onnx	4.5M	0.8301	0.8659	0.8476	0.2256
rapidocr_openvino==1.3.16	ch_PP-OCRv4_det_infer.onnx	4.5M	0.8339	0.8629	0.8481	0.6447
rapidocr_paddle==1.3.18	ch_PP-OCRv4_det_infer.onnx	4.5M	0.8301	0.8659	0.8476	0.9924

文本识别模型

评测依赖仓库：

• rapidocr_onnxruntime==1.3.16: link
• 计算指标库 TextRecMetric: link
• 测试集 text_rec_test_dataset: link

模型	对应PaddleOCR分支	模型大小	Exact Match	Char Match	Speed(s/img)
ch_PP-OCRv4_rec_infer.onnx	release/v2.7	10M	0.8323	0.9355	0.6836
ch_PP-OCRv3_rec_infer.onnx	release/v2.6	11M	0.7097	0.8919	0.6362
ch_PP-OCRv4_rec_server_infer.onnx	release/v2.7	86M	0.7968	0.9381	0.6967
ch_PP-OCRv2_rec_infer.onnx	release/v2.3	8.0M	0.6387	0.8398	0.6138
ch_ppocr_mobile_v2.0_rec_infer.onnx	release/v2.0	4.3M	0.5323	0.7823	0.5575
读光-文字识别-行识别模型-中英-文档印刷体文本领域	-	73M	0.5968	0.7705	-
读光-文字识别-行识别模型-中英-通用领域	-	73M	0.5839	0.7615	-
读光-文字识别-行识别模型-中英-自然场景文本领域	-	73M	0.5903	0.7779	-
读光-文字识别-轻量化端侧识别模型-中英-通用领域	-	7.4M	0.5484	0.7515	-
读光-文字识别-CRNN模型-中英-通用领域	-	46M	0.5935	0.7671	-
OFA文字识别-中文-通用场景-base 未跑通	-	-	-	-	-

不同推理引擎下，效果比较：

推理引擎	模型	模型大小	Exact Match	Char Match	Speed(s/img)
rapidocr_onnxruntime==1.3.16	ch_PP-OCRv4_rec_infer.onnx	10M	0.8323	0.9355	0.6836
rapidocr_openvino==1.3.16	ch_PP-OCRv4_rec_infer.onnx	10M	0.8323	0.9355	0.6836
rapidocr_paddle==1.3.18	ch_PP-OCRv4_rec_infer.onnx	10M	0.8323	0.9355	0.6836

• 输入Shape:

  • v2: [3, 32, 320]
  • v3~v4: [3, 48, 320]

• 不同模型，实例化示例如下：

from rapidocr_onnxruntime import RapidOCR

# v3 or v4
engine = RapidOCR(
  rec_model_path="models/ch_PP-OCRv3_rec_infer.onnx",
)

# v2
engine = RapidOCR(
  rec_model_path="models/ch_ppocr_mobile_v2.0_rec_infer.onnx",
  rec_img_shape=[3, 32, 320],
)

评论