🚀 latin_PP-OCRv3_mobile_rec

latin_PP-OCRv3_mobile_rec 是 PaddleOCR 团队开发的 PP-OCRv3_rec 系列中的文本行识别模型。该模型是基于 PP-OCRv3_mobile_rec 训练的特定于拉丁语的模型，支持拉丁语识别。主要的准确率指标如下：

⚠️ 重要提示

如果一行中的任何字符（包括标点符号）识别错误，则整行将被标记为错误。这确保了在实际应用中具有更高的准确性。

🚀 快速开始

📦 安装指南

1. 安装 PaddlePaddle

请参考以下命令，使用 pip 安装 PaddlePaddle：

# 适用于 CUDA11.8
python -m pip install paddlepaddle-gpu==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu118/

# 适用于 CUDA12.6
python -m pip install paddlepaddle-gpu==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/cu126/

# 适用于 CPU
python -m pip install paddlepaddle==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/cpu/

有关 PaddlePaddle 安装的详细信息，请参考 PaddlePaddle 官方网站。

2. 安装 PaddleOCR

从 PyPI 安装最新版本的 PaddleOCR 推理包：

python -m pip install paddleocr

💻 使用示例

基础用法

你可以通过一条命令快速体验该功能：

paddleocr text_recognition \
    --model_name latin_PP-OCRv3_mobile_rec \
    -i https://cdn-uploads.huggingface.co/production/uploads/681c1ecd9539bdde5ae1733c/az8vEPS1Q3718b3D0ehNj.png

你也可以将文本识别模块的模型推理集成到你的项目中。在运行以下代码之前，请将示例图像下载到本地。

from paddleocr import TextRecognition
model = TextRecognition(model_name="latin_PP-OCRv3_mobile_rec")
output = model.predict(input="az8vEPS1Q3718b3D0ehNj.png", batch_size=1)
for res in output:
    res.print()
    res.save_to_img(save_path="./output/")
    res.save_to_json(save_path="./output/res.json")

运行后，得到的结果如下：

{'res': {'input_path': '/root/.paddlex/predict_input/az8vEPS1Q3718b3D0ehNj.png', 'page_index': None, 'rec_text': 'Latini multilinearis', 'rec_score': 0.9983808398246765}}

有关使用命令和参数说明的详细信息，请参考 文档。

高级用法

单个模型的能力是有限的，但由多个模型组成的管道可以提供更强的能力来解决现实场景中的难题。

PP-OCRv3

通用 OCR 管道用于解决文本识别任务，通过从图像中提取文本信息并以字符串格式输出。管道中有 5 个模块：

• 文档图像方向分类模块（可选）
• 文本图像去畸变模块（可选）
• 文本行方向分类模块（可选）
• 文本检测模块
• 文本识别模块

运行一条命令快速体验 OCR 管道：

paddleocr ocr -i https://cdn-uploads.huggingface.co/production/uploads/681c1ecd9539bdde5ae1733c/E-CtmA3e9B1yfBqLJOXMj.png \
    --text_recognition_model_name latin_PP-OCRv3_mobile_rec \
    --use_doc_orientation_classify False \
    --use_doc_unwarping False \
    --use_textline_orientation True \
    --save_path ./output \
    --device gpu:0 

结果将打印到终端：

{'res': {'input_path': '/root/.paddlex/predict_input/E-CtmA3e9B1yfBqLJOXMj.png', 'page_index': None, 'model_settings': {'use_doc_preprocessor': True, 'use_textline_orientation': True}, 'doc_preprocessor_res': {'input_path': None, 'page_index': None, 'model_settings': {'use_doc_orientation_classify': False, 'use_doc_unwarping': False}, 'angle': -1}, 'dt_polys': array([[[ 11,   5],
        ...,
        [ 11,  33]],

       ...,

       [[ 11,  78],
        ...,
        [ 11, 102]]], dtype=int16), 'text_det_params': {'limit_side_len': 64, 'limit_type': 'min', 'thresh': 0.3, 'max_side_limit': 4000, 'box_thresh': 0.6, 'unclip_ratio': 1.5}, 'text_type': 'general', 'textline_orientation_angles': array([0, ..., 0]), 'text_rec_score_thresh': 0.0, 'rec_texts': ['Exemplum', 'probationis textus', 'Latini multilinearis'], 'rec_scores': array([0.99786115, ..., 0.99657601]), 'rec_polys': array([[[ 11,   5],
        ...,
        [ 11,  33]],

       ...,

       [[ 11,  78],
        ...,
        [ 11, 102]]], dtype=int16), 'rec_boxes': array([[ 11, ...,  33],
       ...,
       [ 11, ..., 102]], dtype=int16)}}

命令行方法适用于快速体验。对于项目集成，也只需要几行代码：

from paddleocr import PaddleOCR  

ocr = PaddleOCR(
    text_recognition_model_name="latin_PP-OCRv3_mobile_rec",
    use_doc_orientation_classify=False, # 使用 use_doc_orientation_classify 启用/禁用文档方向分类模型
    use_doc_unwarping=False, # 使用 use_doc_unwarping 启用/禁用文档去畸变模块
    use_textline_orientation=True, # 使用 use_textline_orientation 启用/禁用文本行方向分类模型
    device="gpu:0", # 使用 device 指定 GPU 进行模型推理
)
result = ocr.predict("https://cdn-uploads.huggingface.co/production/uploads/681c1ecd9539bdde5ae1733c/E-CtmA3e9B1yfBqLJOXMj.png")  
for res in result:  
    res.print()  
    res.save_to_img("output")  
    res.save_to_json("output")

管道中默认使用的模型是 PP-OCRv5_server_rec，因此需要通过参数 text_recognition_model_name 指定为 latin_PP-OCRv3_mobile_rec。你也可以通过参数 text_recognition_model_dir 使用本地模型文件。有关使用命令和参数说明的详细信息，请参考 文档。

📚 详细文档

• PaddleOCR 仓库
• PaddleOCR 文档

📄 许可证

本项目采用 Apache-2.0 许可证。