PP-OCRv5

Installation

PP-OCRv5 benötigt neben dem Basispaket kein Zusatzpaket.

pip install libreyolo

Vorhersage

Die Gewichte werden bei der ersten Verwendung von Hugging Face heruntergeladen und lokal zwischengespeichert.

from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibrePPOCRl-ocr.pt")result = model(SAMPLE_IMAGE, save=True) for text, conf in zip(result.ocr.texts, result.ocr.conf):    print(text, float(conf))

libreyolo predict model=LibrePPOCRl-ocr.pt source=receipt.jpg save=True

from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibrePPOCRl-ocr.pt")result = model(SAMPLE_IMAGE) # Polygone der Form (N, 4, 2) in Lesereihenfolge: oben links, oben rechts,# unten rechts, unten links. Erkennungsvierecke sind echte Polygone# (gedrehter Text) und landen daher in result.ocr statt result.boxes.print(result.ocr.data.shape)print(result.ocr.det_conf)

Jeder Checkpoint bündelt beide Phasen, Erfassung und Erkennung, in einer .pt-Datei. Zeichensatz und Pipeline-Standardwerte des Erkenners stehen in den Checkpoint-Metadaten. Der Erkenner liest vereinfachtes und traditionelles Chinesisch, Englisch, Japanisch und Pinyin mit einem Wörterbuch. result.ocr ist eine OCRRegions-Nutzlast: .data enthält die Vierpunktpolygone, .texts die Transkripte, .conf den Erkennungs-Score pro Region und .det_conf den Erfassungs-Score. Quellen mit mehreren Bildern werden nacheinander verarbeitet. Die zweistufige Pipeline bildet keine Batches über mehrere Bilder. Unter Vorhersage findest du Quellen, Streaming und die Verarbeitung von Ergebnissen.

Varianten

Es gibt zwei Tiers: t verwendet leichtere PP-LCNetV3/PP-OCRv5_mobile-Backbones für CPUs, l PP-HGNetV2-Server-Backbones für höhere Accuracy. Beide Tiers führen die Erfassung mit einer festen Grenze für die lange Seite aus und erkennen Zuschnitte in Batches. rec_batch steuert, wie viele Zuschnitte pro Vorwärtslauf den Erkenner durchlaufen.

Validierung

val() misst die Pipeline anhand eines Bildverzeichnisses plus einer Datei labels/<split>.jsonl oder einer gleichwertigen Datensatz-YAML. Jedes Label führt die Polygone und Transkripte der Textregionen eines Bildes auf. Gemeldet werden Detection Hmean (Precision/Recall/F1 mit IoU-Abgleich), End-to-End F1 (Hmean plus exakte Übereinstimmung des normalisierten Transkripts, die Fitnessmetrik des Checkpoints) und 1-NED, die mittlere normalisierte Editierdistanz über zugeordnete Paare.

from libreyolo import LibreYOLO model = LibreYOLO("LibrePPOCRl-ocr.pt")metrics = model.val(data="my-dataset") print(metrics["metrics/det_hmean"])print(metrics["metrics/e2e_f1"])       # Hauptmetrikprint(metrics["metrics/rec_1-NED"])

libreyolo val model=LibrePPOCRl-ocr.pt data=my-dataset

Export

PP-OCRv5 ist eine Pipeline aus zwei Netzwerken, Erfassung und Erkennung, die gemeinsam verschoben werden, und kein einzelner tracebarer Graph. Der Export ist nicht implementiert, noch wird ein Format unterstützt. Trainiere den Apache-2.0-Upstream-Code direkt nach und konvertiere das Ergebnis mit weights/convert_ppocr_weights.py, wenn du einen Checkpoint außerhalb dieses Formats benötigst.

Checkpoints

Alle veröffentlichten Gewichtsdateien dieser Familie.

Lizenzierung

Zitieren

@misc{cui2025paddleocr30technicalreport,
      title={PaddleOCR 3.0 Technical Report}, 
      author={Cheng Cui and Ting Sun and Manhui Lin and Tingquan Gao and Yubo Zhang and Jiaxuan Liu and Xueqing Wang and Zelun Zhang and Changda Zhou and Hongen Liu and Yue Zhang and Wenyu Lv and Kui Huang and Yichao Zhang and Jing Zhang and Jun Zhang and Yi Liu and Dianhai Yu and Yanjun Ma},
      year={2025},
      eprint={2507.05595},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2507.05595}, 
}