mirror of
https://github.com/PaddlePaddle/PaddleOCR.git
synced 2025-06-26 21:24:27 +00:00
335 lines
27 KiB
Markdown
335 lines
27 KiB
Markdown
<div align="center">
|
||
<p>
|
||
<img width="100%" src="./docs/images/Banner.png" alt="Баннер PaddleOCR">
|
||
</p>
|
||
|
||
<!-- language -->
|
||
[English](./README.md) | [简体中文](./README_cn.md) | [繁體中文](./README_tcn.md) | [日本語](./README_ja.md) | [한국어](./README_ko.md) | [Français](./README_fr.md) | Русский | [Español](./README_es.md) | [العربية](./README_ar.md)
|
||
|
||
<!-- icon -->
|
||
|
||
[](https://github.com/PaddlePaddle/PaddleOCR)
|
||
[](https://pypi.org/project/PaddleOCR/)
|
||
|
||
|
||
|
||
|
||
|
||
[](https://aistudio.baidu.com/community/app/91660/webUI)
|
||
[](https://aistudio.baidu.com/community/app/518494/webUI)
|
||
[](https://aistudio.baidu.com/community/app/518493/webUI)
|
||
|
||
</div>
|
||
|
||
## 🚀 Введение
|
||
С момента своего первого выпуска PaddleOCR получил широкое признание в академических, промышленных и исследовательских кругах благодаря своим передовым алгоритмам и доказанной производительности в реальных приложениях. Он уже используется в таких популярных проектах с открытым исходным кодом, как Umi-OCR, OmniParser, MinerU и RAGFlow, что делает его предпочтительным инструментарием OCR для разработчиков по всему миру.
|
||
|
||
20 мая 2025 года команда PaddlePaddle представила PaddleOCR 3.0, полностью совместимый с официальным выпуском фреймворка **PaddlePaddle 3.0**. Это обновление еще больше **повышает точность распознавания текста**, добавляет поддержку **распознавания нескольких типов текста** и **распознавания рукописного текста**, а также удовлетворяет растущий спрос на приложения с большими моделями для **высокоточного анализа сложных документов**. В сочетании с **ERNIE 4.5 Turbo** он значительно улучшает точность извлечения ключевой информации. PaddleOCR 3.0 также вводит поддержку китайских гетерогенных AI ускорителей, таких как **KUNLUNXIN** и **Ascend**. Для получения полной документации по использованию, пожалуйста, обратитесь к [Документации PaddleOCR 3.0](https://paddlepaddle.github.io/PaddleOCR/latest/en/index.html).
|
||
|
||
Три новые ключевые функции в PaddleOCR 3.0:
|
||
- Универсальная модель распознавания текста в любых сценах [PP-OCRv5](./docs/version3.x/algorithm/PP-OCRv5/PP-OCRv5.en.md): Одна модель обрабатывает пять различных типов текста и сложный рукописный ввод. Общая точность распознавания увеличилась на 13 процентных пунктов по сравнению с предыдущим поколением. [Онлайн-демо](https://aistudio.baidu.com/community/app/91660/webUI)
|
||
|
||
- Общее решение для парсинга документов [PP-StructureV3](./docs/version3.x/algorithm/PP-StructureV3/PP-StructureV3.en.md): Обеспечивает высокоточный парсинг PDF-файлов с различными макетами и сценариями, превосходя многие решения с открытым и закрытым исходным кодом по результатам публичных тестов. [Онлайн-демо](https://aistudio.baidu.com/community/app/518494/webUI)
|
||
|
||
- Интеллектуальное решение для понимания документов [PP-ChatOCRv4](./docs/version3.x/algorithm/PP-ChatOCRv4/PP-ChatOCRv4.en.md): Нативно поддерживается большим моделью ERNIE 4.5 Turbo, достигая на 15 процентных пунктов более высокой точности, чем его предшественник. [Онлайн-демо](https://aistudio.baidu.com/community/app/518493/webUI)
|
||
|
||
Помимо предоставления выдающейся библиотеки моделей, PaddleOCR 3.0 также предлагает удобные инструменты, охватывающие обучение моделей, инференс и развертывание сервисов, чтобы разработчики могли быстро внедрять ИИ-приложения в производство.
|
||
<div align="center">
|
||
<p>
|
||
<img width="100%" src="./docs/images/Arch.png" alt="Архитектура PaddleOCR">
|
||
</p>
|
||
</div>
|
||
|
||
|
||
|
||
## 📣 Последние обновления
|
||
|
||
|
||
#### **2025.06.26: Релиз PaddleOCR 3.0.3, включает:**
|
||
|
||
- Исправление ошибки: Исправлена проблема, из-за которой параметр `enable_mkldnn` не действовал, восстановлено поведение использования MKL-DNN для вывода на CPU по умолчанию.
|
||
|
||
#### 🔥🔥**2025.06.19: Релиз PaddleOCR 3.0.2, включает:**
|
||
|
||
- **Новые возможности:**
|
||
- Источник загрузки по умолчанию изменен с `BOS` на `HuggingFace`. Пользователи также могут изменить переменную окружения `PADDLE_PDX_MODEL_SOURCE` на `BOS`, чтобы установить источник загрузки моделей обратно на Baidu Object Storage (BOS).
|
||
- Добавлены примеры вызова сервисов для шести языков — C++, Java, Go, C#, Node.js и PHP — для пайплайнов, таких как PP-OCRv5, PP-StructureV3 и PP-ChatOCRv4.
|
||
- Улучшен алгоритм сортировки разделов макета в пайплайне PP-StructureV3, улучшена логика сортировки для сложных вертикальных макетов для достижения лучших результатов.
|
||
- Улучшена логика выбора модели: когда указан язык, но не указана версия модели, система автоматически выберет последнюю версию модели, поддерживающую этот язык.
|
||
- Установлен верхний предел по умолчанию для размера кэша MKL-DNN для предотвращения неограниченного роста, а также предоставлена пользователям возможность настраивать емкость кэша.
|
||
- Обновлены конфигурации по умолчанию для высокопроизводительного инференса для поддержки ускорения Paddle MKL-DNN и оптимизирована логика автоматического выбора конфигурации для более разумного выбора.
|
||
- Скорректирована логика получения устройства по умолчанию для учета фактической поддержки вычислительных устройств установленным фреймворком Paddle, что делает поведение программы более интуитивным.
|
||
- Добавлен пример для Android для PP-OCRv5. [Подробности](https://paddlepaddle.github.io/PaddleOCR/latest/en/version3.x/deployment/on_device_deployment.html).
|
||
|
||
- **Исправления ошибок:**
|
||
- Исправлена проблема с некоторыми параметрами CLI в PP-StructureV3, которые не вступали в силу.
|
||
- Решена проблема, из-за которой `export_paddlex_config_to_yaml` в некоторых случаях работала некорректно.
|
||
- Исправлено несоответствие между фактическим поведением `save_path` и его описанием в документации.
|
||
- Исправлены потенциальные ошибки многопоточности при использовании MKL-DNN в базовом развертывании сервиса.
|
||
- Исправлены ошибки порядка каналов в предварительной обработке изображений для модели Latex-OCR.
|
||
- Исправлены ошибки порядка каналов при сохранении визуализированных изображений в модуле распознавания текста.
|
||
- Решены ошибки порядка каналов в визуализированных результатах таблиц в пайплайне PP-StructureV3.
|
||
- Исправлена проблема переполнения при вычислении `overlap_ratio` в крайне особых обстоятельствах в пайплайне PP-StructureV3.
|
||
|
||
- **Улучшения документации:**
|
||
- Обновлено описание параметра `enable_mkldnn` в документации, чтобы оно точно отражало фактическое поведение программы.
|
||
- Исправлены ошибки в документации, касающиеся параметров `lang` и `ocr_version`.
|
||
- Добавлены инструкции по экспорту файлов конфигурации производственной линии через CLI.
|
||
- Исправлены отсутствующие столбцы в таблице данных о производительности для PP-OCRv5.
|
||
- Уточнены метрики бенчмарков для PP-StructureV3 для различных конфигураций.
|
||
|
||
- **Прочее:**
|
||
- Ослаблены ограничения версий для зависимостей, таких как numpy и pandas, восстановлена поддержка Python 3.12.
|
||
|
||
<details>
|
||
<summary><strong>История обновлений</strong></summary>
|
||
|
||
#### **🔥🔥 2025.06.05: Релиз PaddleOCR 3.0.1, включает:**
|
||
|
||
- **Оптимизация некоторых моделей и их конфигураций:**
|
||
- Обновлена конфигурация модели по умолчанию для PP-OCRv5: модели обнаружения и распознавания изменены с `mobile` на `server`. Для улучшения производительности по умолчанию в большинстве сценариев параметр `limit_side_len` в конфигурации изменен с 736 на 64.
|
||
- Добавлена новая модель классификации ориентации строк текста `PP-LCNet_x1_0_textline_ori` с точностью 99.42%. Классификатор ориентации строк текста по умолчанию для пайплайнов OCR, PP-StructureV3 и PP-ChatOCRv4 обновлен до этой модели.
|
||
- Оптимизирована модель классификации ориентации строк текста `PP-LCNet_x0_25_textline_ori`, точность улучшена на 3.3 процентных пункта до текущего значения 98.85%.
|
||
|
||
- **Оптимизации и исправления некоторых проблем версии 3.0.0, [подробности](https://paddlepaddle.github.io/PaddleOCR/latest/en/update/update.html)**
|
||
|
||
🔥🔥2025.05.20: Официальный релиз **PaddleOCR v3.0**, включающий:
|
||
- **PP-OCRv5**: Высокоточная модель распознавания текста для всех сценариев - Мгновенное извлечение текста из изображений/PDF.
|
||
1. 🌐 Поддержка **пяти** типов текста в одной модели - Бесшовная обработка **упрощенного китайского, традиционного китайского, пиньиня, английского** и **японского** в рамках одной модели.
|
||
2. ✍️ Улучшенное **распознавание рукописного текста**: Значительно лучше справляется со сложными слитными и нестандартными почерками.
|
||
3. 🎯 **Прирост точности на 13 процентных пунктов** по сравнению с PP-OCRv4, достижение самых современных результатов в различных реальных сценариях.
|
||
|
||
- **PP-StructureV3**: Универсальный парсинг документов – Используйте SOTA парсинг изображений/PDF для реальных сценариев!
|
||
1. 🧮 **Высокоточный парсинг PDF в различных сценариях**, опережающий как открытые, так и закрытые решения на бенчмарке OmniDocBench.
|
||
2. 🧠 Специализированные возможности включают **распознавание печатей**, **преобразование диаграмм в таблицы**, **распознавание таблиц с вложенными формулами/изображениями**, **парсинг документов с вертикальным текстом** и **анализ сложных структур таблиц**.
|
||
|
||
- **PP-ChatOCRv4**: Интеллектуальное понимание документов – Извлекайте ключевую информацию, а не просто текст из изображений/PDF.
|
||
1. 🔥 **Прирост точности на 15 процентных пунктов** в извлечении ключевой информации из файлов PDF/PNG/JPG по сравнению с предыдущим поколением.
|
||
2. 💻 Нативная поддержка **ERNIE 4.5 Turbo**, с совместимостью для развертывания больших моделей через PaddleNLP, Ollama, vLLM и другие.
|
||
3. 🤝 Интегрирован [PP-DocBee2](https://github.com/PaddlePaddle/PaddleMIX/tree/develop/paddlemix/examples/ppdocbee2), обеспечивающий извлечение и понимание печатного текста, рукописного текста, печатей, таблиц, диаграмм и других общих элементов в сложных документах.
|
||
|
||
[История обновлений](https://paddlepaddle.github.io/PaddleOCR/latest/en/update/update.html)
|
||
|
||
</details>
|
||
|
||
## ⚡ Быстрый старт
|
||
### 1. Запустить онлайн-демо
|
||
[](https://aistudio.baidu.com/community/app/91660/webUI)
|
||
[](https://aistudio.baidu.com/community/app/518494/webUI)
|
||
[](https://aistudio.baidu.com/community/app/518493/webUI)
|
||
|
||
### 2. Установка
|
||
|
||
Установите PaddlePaddle, следуя [Руководству по установке](https://www.paddlepaddle.org.cn/en/install/quick?docurl=/documentation/docs/en/develop/install/pip/linux-pip_en.html), после чего установите инструментарий PaddleOCR.
|
||
|
||
```bash
|
||
# Установить paddleocr
|
||
pip install paddleocr
|
||
```
|
||
|
||
### 3. Запуск инференса через CLI
|
||
```bash
|
||
# Запустить инференс PP-OCRv5
|
||
paddleocr ocr -i https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_ocr_002.png --use_doc_orientation_classify False --use_doc_unwarping False --use_textline_orientation False
|
||
|
||
# Запустить инференс PP-StructureV3
|
||
paddleocr pp_structurev3 -i https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/pp_structure_v3_demo.png --use_doc_orientation_classify False --use_doc_unwarping False
|
||
|
||
# Сначала получите Qianfan API Key, а затем запустите инференс PP-ChatOCRv4
|
||
paddleocr pp_chatocrv4_doc -i https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/vehicle_certificate-1.png -k 驾驶室准乘人数 --qianfan_api_key your_api_key --use_doc_orientation_classify False --use_doc_unwarping False
|
||
|
||
# Получить больше информации о "paddleocr ocr"
|
||
paddleocr ocr --help
|
||
```
|
||
|
||
### 4. Запуск инференса через API
|
||
**4.1 Пример для PP-OCRv5**
|
||
```python
|
||
# Инициализация экземпляра PaddleOCR
|
||
from paddleocr import PaddleOCR
|
||
ocr = PaddleOCR(
|
||
use_doc_orientation_classify=False,
|
||
use_doc_unwarping=False,
|
||
use_textline_orientation=False)
|
||
|
||
# Запуск инференса OCR на примере изображения
|
||
result = ocr.predict(
|
||
input="https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_ocr_002.png")
|
||
|
||
# Визуализация результатов и сохранение в формате JSON
|
||
for res in result:
|
||
res.print()
|
||
res.save_to_img("output")
|
||
res.save_to_json("output")
|
||
```
|
||
|
||
<details>
|
||
<summary><strong>4.2 Пример для PP-StructureV3</strong></summary>
|
||
|
||
```python
|
||
from pathlib import Path
|
||
from paddleocr import PPStructureV3
|
||
|
||
pipeline = PPStructureV3(
|
||
use_doc_orientation_classify=False,
|
||
use_doc_unwarping=False
|
||
)
|
||
|
||
# Для изображений
|
||
output = pipeline.predict(
|
||
input="https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/pp_structure_v3_demo.png",
|
||
)
|
||
|
||
# Визуализация результатов и сохранение в формате JSON
|
||
for res in output:
|
||
res.print()
|
||
res.save_to_json(save_path="output")
|
||
res.save_to_markdown(save_path="output")
|
||
```
|
||
|
||
</details>
|
||
|
||
<details>
|
||
<summary><strong>4.3 Пример для PP-ChatOCRv4</strong></summary>
|
||
|
||
```python
|
||
from paddleocr import PPChatOCRv4Doc
|
||
|
||
chat_bot_config = {
|
||
"module_name": "chat_bot",
|
||
"model_name": "ernie-3.5-8k",
|
||
"base_url": "https://qianfan.baidubce.com/v2",
|
||
"api_type": "openai",
|
||
"api_key": "api_key", # ваш api_key
|
||
}
|
||
|
||
retriever_config = {
|
||
"module_name": "retriever",
|
||
"model_name": "embedding-v1",
|
||
"base_url": "https://qianfan.baidubce.com/v2",
|
||
"api_type": "qianfan",
|
||
"api_key": "api_key", # ваш api_key
|
||
}
|
||
|
||
pipeline = PPChatOCRv4Doc(
|
||
use_doc_orientation_classify=False,
|
||
use_doc_unwarping=False
|
||
)
|
||
|
||
visual_predict_res = pipeline.visual_predict(
|
||
input="https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/vehicle_certificate-1.png",
|
||
use_common_ocr=True,
|
||
use_seal_recognition=True,
|
||
use_table_recognition=True,
|
||
)
|
||
|
||
mllm_predict_info = None
|
||
use_mllm = False
|
||
# Если используется мультимодальная большая модель, необходимо запустить локальный сервис mllm. Вы можете обратиться к документации: https://github.com/PaddlePaddle/PaddleX/blob/release/3.0/docs/pipeline_usage/tutorials/vlm_pipelines/doc_understanding.en.md для выполнения развертывания и обновления конфигурации mllm_chat_bot_config.
|
||
if use_mllm:
|
||
mllm_chat_bot_config = {
|
||
"module_name": "chat_bot",
|
||
"model_name": "PP-DocBee",
|
||
"base_url": "http://127.0.0.1:8080/", # URL вашего локального сервиса mllm
|
||
"api_type": "openai",
|
||
"api_key": "api_key", # ваш api_key
|
||
}
|
||
|
||
mllm_predict_res = pipeline.mllm_pred(
|
||
input="https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/vehicle_certificate-1.png",
|
||
key_list=["驾驶室准乘人数"],
|
||
mllm_chat_bot_config=mllm_chat_bot_config,
|
||
)
|
||
mllm_predict_info = mllm_predict_res["mllm_res"]
|
||
|
||
visual_info_list = []
|
||
for res in visual_predict_res:
|
||
visual_info_list.append(res["visual_info"])
|
||
layout_parsing_result = res["layout_parsing_result"]
|
||
|
||
vector_info = pipeline.build_vector(
|
||
visual_info_list, flag_save_bytes_vector=True, retriever_config=retriever_config
|
||
)
|
||
chat_result = pipeline.chat(
|
||
key_list=["驾驶室准乘人数"],
|
||
visual_info=visual_info_list,
|
||
vector_info=vector_info,
|
||
mllm_predict_info=mllm_predict_info,
|
||
chat_bot_config=chat_bot_config,
|
||
retriever_config=retriever_config,
|
||
)
|
||
print(chat_result)
|
||
```
|
||
|
||
</details>
|
||
|
||
### 5. Китайские гетерогенные ИИ-ускорители
|
||
- [Huawei Ascend](https://paddlepaddle.github.io/PaddleOCR/latest/version3.x/other_devices_support/paddlepaddle_install_NPU.html)
|
||
- [KUNLUNXIN](https://paddlepaddle.github.io/PaddleOCR/latest/version3.x/other_devices_support/paddlepaddle_install_XPU.html)
|
||
|
||
## ⛰️ Продвинутые руководства
|
||
- [Руководство по PP-OCRv5](https://paddlepaddle.github.io/PaddleOCR/latest/version3.x/pipeline_usage/OCR.html)
|
||
- [Руководство по PP-StructureV3](https://paddlepaddle.github.io/PaddleOCR/latest/version3.x/pipeline_usage/PP-StructureV3.html)
|
||
- [Руководство по PP-ChatOCRv4](https://paddlepaddle.github.io/PaddleOCR/latest/version3.x/pipeline_usage/PP-ChatOCRv4.html)
|
||
|
||
## 🔄 Краткий обзор результатов выполнения
|
||
|
||
<div align="center">
|
||
<p>
|
||
<img width="100%" src="./docs/images/demo.gif" alt="Демо PP-OCRv5">
|
||
</p>
|
||
</div>
|
||
|
||
<div align="center">
|
||
<p>
|
||
<img width="100%" src="./docs/images/blue_v3.gif" alt="Демо PP-StructureV3">
|
||
</p>
|
||
</div>
|
||
|
||
## 👩👩👧👦 Сообщество
|
||
|
||
| Официальный аккаунт PaddlePaddle в WeChat | Присоединяйтесь к группе для технических обсуждений |
|
||
| :---: | :---: |
|
||
| <img src="https://raw.githubusercontent.com/cuicheng01/PaddleX_doc_images/refs/heads/main/images/paddleocr/README/qrcode_for_paddlepaddle_official_account.jpg" width="150"> | <img src="https://raw.githubusercontent.com/cuicheng01/PaddleX_doc_images/refs/heads/main/images/paddleocr/README/qr_code_for_the_questionnaire.jpg" width="150"> |
|
||
|
||
|
||
## 😃 Потрясающие проекты, использующие PaddleOCR
|
||
PaddleOCR не был бы там, где он есть сегодня, без своего невероятного сообщества! 💗 Огромное спасибо всем нашим давним партнерам, новым сотрудникам и всем, кто вложил свою страсть в PaddleOCR — независимо от того, назвали мы вас или нет. Ваша поддержка разжигает наш огонь!
|
||
|
||
| Название проекта | Описание |
|
||
| ------------ | ----------- |
|
||
| [RAGFlow](https://github.com/infiniflow/ragflow) <a href="https://github.com/infiniflow/ragflow"><img src="https://img.shields.io/github/stars/infiniflow/ragflow"></a>|RAG-движок, основанный на глубоком понимании документов.|
|
||
| [MinerU](https://github.com/opendatalab/MinerU) <a href="https://github.com/opendatalab/MinerU"><img src="https://img.shields.io/github/stars/opendatalab/MinerU"></a>|Инструмент для преобразования документов различных типов в Markdown|
|
||
| [Umi-OCR](https://github.com/hiroi-sora/Umi-OCR) <a href="https://github.com/hiroi-sora/Umi-OCR"><img src="https://img.shields.io/github/stars/hiroi-sora/Umi-OCR"></a>|Бесплатное офлайн-программное обеспечение для пакетного OCR с открытым исходным кодом.|
|
||
| [OmniParser](https://github.com/microsoft/OmniParser)<a href="https://github.com/microsoft/OmniParser"><img src="https://img.shields.io/github/stars/microsoft/OmniParser"></a> |Инструмент парсинга экрана для GUI-агента, основанного исключительно на компьютерном зрении.|
|
||
| [QAnything](https://github.com/netease-youdao/QAnything)<a href="https://github.com/netease-youdao/QAnything"><img src="https://img.shields.io/github/stars/netease-youdao/QAnything"></a> |Система вопросов и ответов на основе любого контента.|
|
||
| [PDF-Extract-Kit](https://github.com/opendatalab/PDF-Extract-Kit) <a href="https://github.com/opendatalab/PDF-Extract-Kit"><img src="https://img.shields.io/github/stars/opendatalab/PDF-Extract-Kit"></a>|Мощный инструментарий с открытым исходным кодом, предназначенный для эффективного извлечения высококачественного контента из сложных и разнообразных PDF-документов.|
|
||
| [Dango-Translator](https://github.com/PantsuDango/Dango-Translator)<a href="https://github.com/PantsuDango/Dango-Translator"><img src="https://img.shields.io/github/stars/PantsuDango/Dango-Translator"></a> |Распознает текст на экране, переводит его и отображает результаты перевода в режиме реального времени.|
|
||
| [Узнать больше о проектах](./awesome_projects.md) | [Больше проектов на основе PaddleOCR](./awesome_projects.md)|
|
||
|
||
## 👩👩👧👦 Контрибьюторы
|
||
|
||
<a href="https://github.com/PaddlePaddle/PaddleOCR/graphs/contributors">
|
||
<img src="https://contrib.rocks/image?repo=PaddlePaddle/PaddleOCR&max=400&columns=20" width="800"/>
|
||
</a>
|
||
|
||
|
||
## 🌟 Star
|
||
|
||
[](https://star-history.com/#PaddlePaddle/PaddleOCR&Date)
|
||
|
||
|
||
## 📄 Лицензия
|
||
Этот проект выпущен под [лицензией Apache 2.0](LICENSE).
|
||
|
||
## 🎓 Цитирование
|
||
|
||
```
|
||
@misc{paddleocr2020,
|
||
title={PaddleOCR, Awesome multilingual OCR toolkits based on PaddlePaddle.},
|
||
author={PaddlePaddle Authors},
|
||
howpublished = {\url{https://github.com/PaddlePaddle/PaddleOCR}},
|
||
year={2020}
|
||
}
|
||
```
|