数据|Github Star 7.2K，超级好用的OCR数据合成与半自动标注工具_模型|PPOCRLabel|场景|自动|

机器之心发布
机器之心编辑部

OCR 方向的工程师，一定需要知道这个 OCR 开源项目：PaddleOCR 。短短几个月，累计 Star 数量已超过 7.2K ，频频登上 Github Trending 日榜月榜，称它为 OCR 方向目前最火的 repo 绝对不为过。

12 月，它又带来四大新发布与升级，核心内容先睹为快：

全新发布数据合成工具 Style-Text：可以批量合成大量与目标场景类似的图像，在多个场景验证，效果均提升 15% 以上。
全新发布半自动数据标注工具 PPOCRLabel：有了它数据标注工作事半功倍，相比 labelimg 标注效率提升 60% 以上，社区小规模测试，好评如潮。
多语言识别模型效果升级：中文、英文、韩语、法语、德语、日文识别效果均优于 EasyO

R 。

PP-OCR 开发体验再升级：支持动态图开发（训练调试更方便），静态图部署（预测效率更高），鱼与熊掌可以兼得。

PaddleOCR 历史表现回顾
先看下 PaddleOCR 自今年开源以来，短短几个月在 GitHub 上的表现：

6 月， 8.6M 超轻量模型发布， GitHub Trending 全球趋势榜日榜第一。
8 月，开源 CVPR2020 顶会 SOTA 算法，再上 GitHub 趋势榜单！
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

数据|Github Star 7.2K，超级好用的OCR数据合成与半自动标注工具

文章图片

这个含金量，广大的 GitHub 开发者们自然懂， 3.5M 超超轻量模型的效果图大家直接看，绝对杠杠的。

文章图片

【数据|Github Star 7.2K，超级好用的OCR数据合成与半自动标注工具】火车票、表格、金属铭牌、翻转图片、外语都是妥妥的， 3.5M 的模型能达到这个识别精度，绝对是良心之作了！
传送门：https://github.com/PaddlePaddle/PaddleOCR
那么最近的 12 月份更新，又给大家带来哪些惊喜呢？
全新发布 OCR 数据合成工具：Style-Text
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：
1、相同背景批量数据合成

文章图片

2、相同文字批量数据合成

文章图片

3、图片分离前景背景

文章图片

除了拉风的效果，采用这样的合成数据和真实数据一起训练，可以显著提升特殊场景的性能指标，分别以两个场景为例：

文章图片

怎么样，绝对是黑科技了吧。这项能力核心算法是基于百度自研的文本编辑算法《Editing Text in the Wild》。
论文地址：https://arxiv.org/abs/1908.03047
不同于常用的基于 GAN 的数据合成工具， Style-Text 主要框架包括 ①文本前景风格迁移模块 ②背景抽取模块 ③融合模块。经过这样三步，就可以迅速实现图片文字风格迁移啦。

文章图片

超强 OCR 数据标注工具：PPOCRLabel
除了数据合成，数据标注也一直是深度学习开发者关注的重点，无论是从成本还是时间上面，提高标注效率，降低标注成本太重要了。 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。话不多说，直接看 PPOCRLabel 效果演示：
用法也是非常的简单，标注效率提升 60%-80% 是妥妥的。只能说，真的太香了。
最好的多语言模型效果
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

文章图片

其中，多语言识别模型准确率对比（仅 EasyOCR 提供）

文章图片

测试数据及环境说明：

中英文场景：针对 OCR 实际应用场景，包括合同，车牌，铭牌，火车票，化验单，表格，证书，街景文字，名片，数码显示屏等，收集的 300 张图像，每张图平均有 17 个文本框， PaddleOCR 的 F1-Score 超过 0.5 ，这个性能已经很不错了。
多语言场景：PaddleOCR 选择了开源数据 ICDAR2017 – MLT（多语言文本识别测试集），并抽取其中的法语、德语、日语、韩语数据作为评测集合。其中测试图片大多来自于自然场景，例如广告牌、路标、海报等。

PP-OCR 开发体验再升级
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。
良心出品的中英文文档教程

文章图片

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

文章图片

如果您加入官方 QQ 群，您将遇上大批志同道合的深度学习同学。
官方 QQ 群：1108045677 。
如果您想详细了解更多飞桨的相关内容，请参阅以下文档。
官网地址：https://www.paddlepaddle.org.cn
PaddleOCR 项目地址：
GitHub: https://github.com/PaddlePaddle/PaddleOCR
Gitee: https://gitee.com/paddlepaddle/PaddleOCR