PP-OCRv5

Instalación

PP-OCRv5 no necesita ningún extra más allá del paquete base.

pip install libreyolo

Predicción

Los pesos se descargan de Hugging Face en el primer uso y quedan cacheados localmente.

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) # polígonos (N, 4, 2) en orden de lectura: arriba-izquierda,# arriba-derecha, abajo-derecha, abajo-izquierda. Los cuadriláteros de# detección son polígonos reales (texto rotado), así que rellenan# result.ocr, no result.boxes.print(result.ocr.data.shape)print(result.ocr.det_conf)

Cada checkpoint agrupa las dos etapas, detección y reconocimiento, en un único archivo .pt, con el charset de reconocimiento y los valores por defecto del pipeline guardados en los metadatos del checkpoint. El reconocedor lee chino simplificado y tradicional, inglés, japonés y pinyin con un único diccionario. result.ocr es un payload OCRRegions: .data contiene los polígonos de cuatro puntos, .texts las transcripciones, .conf la puntuación de reconocimiento de cada región y .det_conf la puntuación de detección. Las fuentes con varias imágenes se procesan de forma secuencial: el pipeline de dos etapas no agrupa en batch entre imágenes. Consulta predicción para fuentes, streaming y manejo de resultados.

Variantes

Dos niveles: t, construido sobre los backbones más ligeros PP-LCNetV3/PP-OCRv5_mobile para uso en CPU, y l, construido sobre backbones de servidor PP-HGNetV2 para mayor precisión. Ambos niveles ejecutan la detección con un límite fijo del lado largo y reconocen los recortes en batches; rec_batch controla cuántos recortes pasan por el reconocedor en cada forward pass.

Validación

val() mide el pipeline contra un directorio de imágenes más un archivo labels/<split>.jsonl, o el YAML de dataset equivalente, donde cada etiqueta enumera los polígonos de las regiones de texto de cada imagen y sus transcripciones. Informa del hmean de detección (precisión/recall/F1 emparejados por IoU), el F1 end-to-end (el hmean más una coincidencia exacta de la transcripción tras normalizarla, la métrica de fitness del checkpoint) y 1-NED, la distancia de edición normalizada media sobre los pares emparejados.

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"])       # métrica principalprint(metrics["metrics/rec_1-NED"])

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

Exportación

PP-OCRv5 es un pipeline de dos redes, detección y reconocimiento avanzando juntos, no un único grafo trazable, y la exportación no está implementada para él: todavía no hay ningún formato soportado. Haz fine-tuning directamente del código de entrenamiento upstream con licencia Apache-2.0 y convierte el resultado con weights/convert_ppocr_weights.py si necesitas un checkpoint fuera de este formato.

Checkpoints

Todos los archivos de pesos publicados de esta familia.

Licencia

Cita

@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}, 
}