🧚🏻‍♀️2024-05-12 v1.3.18 update:

🔥2024-04-19 v1.3.17 update:

📘2024-04-07 v1.3.16 update:

修复issue #161

🍿2024-03-07 v1.3.15 update:

  • 修复 issue #158
  • 增加三个推理引擎（onnxruntime、openvino，paddlepaddle）初始化RapidOCR类，指定线程数的参数

🎂2024-03-05 v1.3.14 update:

添加可使用的CPU核心数，包括三个推理引擎，onnxruntime/OpenVINO/PaddlePaddle

🔖2024-02-28 v1.3.13 update:

  • 优化LoadImage类，添加对输入PIL.Image.Image的支持
  • 修复不同输入类型下，图像通道顺序不同的问题

🍉2024-02-27 v1.3.12 update:

可视化函数适配Pillow v9和v10两个版本，自动根据各个版本情况，来选择相应获得char大小的函数

♥️2024-02-04 v1.3.11 update:

Merge PR #151 by LWQ2EDU

  • 添加自动padding策略：当传入图像小于min_height或者>width_height_ratio时，会触发自动padding图像，后续再进入检测。
  • ⚠️注意：padding值多少？当前值是一个权衡设置，大家可根据具体使用场景，自定设置合适值。

🌈2024-01-30 v1.3.10 update:

🥰2023-12-28 v1.3.9 update:

😜2023-10-25 v1.3.8 update:

📡2023-09-21 v1.3.7 update:

  • 完善VisRes类在终端情况下的使用
  • 修复auto_text_det的条件错误

🧸2023-09-20 v1.3.6 update:

  • 添加VisRes类，便于快速可视化结果。详情参见demo.py用法

😀2023-09-20 v1.3.5 update:

⏰2023-09-18 v1.3.4 update:

  • 优化更新参数部分的函数实现

🧸2023-09-06 v1.3.2 update:

⭐2023-08-29 v1.3.1 update:

🎉2023-08-26 v1.3.0 update:

  • 将PaddleOCR v4版对应的文本检测和文本识别轻量模型转换为onnx，并打包到whl中。
  • 接口与v1.2.x一致，直接使用即可。

😉2023-07-12 v1.2.12 update:

  • 在rapidocr_onnxruntime初始化时，添加det_use_cuda、cls_use_cuda、rec_use_cuda参数
  • 兼容配置文件方式传入RapidOCR类中
  • rapidocr_openvino同理

🎮2023-03-11 v1.2.2 update:

  • 修复实例化python中RapidOCR类传入参数错误

🧢2023-03-07 v1.2.1 update:

  • rapidocr系列包更新到v1.2.0
  • 优化python下rapidocr系列包的接口传入参数，支持实例化类时，动态给定各个参数，更加灵活。
  • 如果不指定，则用config.yaml下的默认参数。
  • 具体可参见：传入参数

⛸2023-02-16 update:

  • 优化ocrweb部分代码，可直接pip安装，快速使用，详情参见README。
  • 优化python中各个部分的推理代码，更加紧凑，同时易于维护。

🎉2023-01-21 update:

  • [python] 添加含有文字的图像方向分类模块，具体参见Rapid Orientation

⚽2022-12-19 update:

  • [python] 添加表格结构还原模块，具体参见Rapid Table

🤖2022-12-14 update:

  • [python] 将配置参数和模型移到模块里面，同时将模型打到whl包内，可以直接pip安装使用，更加方便快捷。
  • 详情参见：README

🧻2022-11-20 update:

  • [python] 添加版面分析部分,支持中文、英文和表格三种版面的检测分析。详情参见:Rapid Structure部分。

🎃2022-11-01 update:

  • 添加Hugging Face Demo, 增加可以调节超参数的功能，详情可访问Hugging Face Demo

🚩2022-10-01 udpate:

🛴2022-09-01 update:

  • 由于openvino发布了2022.2.0.dev20220829版本，该版本解决了cls部分模型推理的问题。至此，基于openvino的rapidocr完成了统一，全部由openvino推理引擎完成。
  • 详细使用方法参见：python/README

🧸2022-08-17 update:

  • python/ocrweb部分 v1.1.0发布，详情参见v1.1.0

🕶2022-08-14 update:

  • ocrweb部分增加以API方式部署调用的功能，可以通过发送POST请求，来获得OCR识别结果。
  • 详情参见：API方式调用

✨2022-07-07 update:

  • 修复python版中v3 rec推理bug，并将v3 rec与v2 rec合并为同一套推理代码，更加简洁和方便
  • 添加python模块下的单元测试
  • 该页面添加致谢模块，感谢为这个项目作出贡献的小伙伴。

😁2022-07-05 update:

  • 添加对单行文本的处理能力，对于单行文本，可自行设定阈值，不过检测模块，直接识别即可。详情参见README
  • 优化python部分代码逻辑，更优雅简洁。

🏝2022-06-30 update:

  • python推理部分，增加参数选择使用GPU推理的配置选项，在正确安装onnxruntime-gpu版本前提下，可以一键使用（Fix issue#30）
  • 具体基于GPU的推理情况，需要等我后续整理一下，再更新出来
  • 详情参见：onnxruntime-gpu版推理配置

📌2022-06-25 update:

  • 重新整理python部分推理代码，将常用调节参数全部放到yaml文件中，便于调节，更加容易使用
  • 详情参见：README

🍿2022-05-15 udpate:

  • 增加PaddleOCR v3 rec模型转换后的ONNX模型，直接去网盘下载替换即可。(百度网盘 | Google Drive)
  • 增加文本识别模型各个版本效果对比表格，详情点击各个版本ONNX模型效果对比。v3的文本识别模型从自己构建测试集上的指标来看不如之前的好。

😀2022-05-12 upadte

  • 增加PaddleOCR v3 det模型转换的ONNX模型，直接去网盘下载，替换即可。(百度网盘 | Google Drive)
  • 增加各个版本文本检测模型效果对比表格，详情点击各个版本ONNX模型效果对比。v3的文本检测模型从指标来看是好于之前的v2的，推荐使用。

🎧2022-04-04 udpate:

  • 增加python下的基于OpenVINO推理引擎的支持
  • 给出OpenVINO和ONNXRuntime的性能对比表格
  • 详情参见:python/README

2022-02-24 udpate:

2021-12-18 udpate:

2021-11-28 udpate:

  • 更新ocrweb部分
    • 添加显示各个阶段处理时间
    • 更新说明文档
    • 更换文本检测模型为ch_PP-OCRv2_det_infer.onnx,推理更快，更准

2021-11-13 udpate:

  • 添加python版本中文本检测和识别可调节的超参数，主要有box_thresh|unclip_ratio|text_score，详情见参数调节
  • 将文本识别中字典位置以参数方式给出，便于灵活配置，详情见keys_path

2021-10-27 udpate:

  • 添加使用onnxruntime-gpu版推理的代码（不过gpu版本的onnxruntime不太好用，按照官方教程配置，感觉没有调用起来GPU）
  • 具体使用步骤参见: onnxruntime-gpu推理配置

2021-09-13 udpate:

  • 添加基于python的whl文件，便于使用，详情参见release/python_sdk

2021-09-11 udpate:

  • 添加PP-OCRv2新增模型onnx版本
    • 使用方法推理代码不变，直接替换对应模型即可。
  • 经过在自有测试集上评测：
    • PP-OCRv2检测模型效果有大幅度提升，模型大小没变。
    • PP-OCRv2识别模型效果无明显提升，模型大小增加了3.58M。
  • 模型上传到百度网盘 提取码：30jv

2021-08-07 udpate:

  • PP-Structure 表格结构和cell坐标预测 正在整理中
  • 之前做的,未完成的，欢迎提PR
    • 打Dokcer镜像
    • 尝试onnxruntime-gpu推理

2021-07-17 udpate:

  • 完善README文档
  • 增加英文、数字识别onnx模型，具体参见python/en_number_ppocr_mobile_v2_rec，用法同其他
  • 整理一下模型转onnx

2021-07-04 udpate:

  • 目前仓库下的python程序已经可以在树莓派4B上，成功运行，详细信息请进群，询问群主
  • 更新整体结构图，添加树莓派的支持

2021-06-20 udpate:

  • 优化ocrweb中识别结果显示，同时添加识别动图演示
  • 更新datasets目录，添加一些常用数据库链接(搬运一下^-^)
  • 更新FAQ

2021-06-10 udpate:

2021-06-08 udpate:

  • 整理仓库，统一模型下载路径
  • 完善相关说明文档

2021-03-24 udpate:

  • 新模型已经完全兼容ONNXRuntime 1.7 或更高版本。 特别感谢：@Channingss
  • 新版onnxruntime比1.6.0 性能提升40%以上。
Edit this page

Last updated 12 May 2024, 15:21 +0800 . history