PP-OCRv5

Instalasi

PP-OCRv5 tidak memerlukan komponen tambahan selain paket dasar.

pip install libreyolo

Prediksi

Bobot diunduh dari Hugging Face saat pertama kali digunakan dan disimpan dalam cache lokal.

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) # Poligon (N, 4, 2) dalam urutan baca: kiri atas, kanan atas,# kanan bawah, kiri bawah. Kuadrilateral deteksi adalah poligon asli# (teks berotasi), sehingga mengisi result.ocr, bukan result.boxes.print(result.ocr.data.shape)print(result.ocr.det_conf)

Setiap checkpoint menyertakan kedua tahap, deteksi dan pengenalan, dalam satu berkas .pt, sedangkan set karakter pengenalan dan nilai default pipeline disimpan dalam metadata checkpoint. Recognizer membaca bahasa Tionghoa Sederhana dan Tradisional, Inggris, Jepang, serta pinyin dengan satu kamus. result.ocr adalah payload OCRRegions: .data menyimpan poligon empat titik, .texts menyimpan transkrip, .conf menyimpan skor pengenalan per wilayah, dan .det_conf menyimpan skor deteksi. Sumber multi-gambar dijalankan secara berurutan: pipeline dua tahap ini tidak melakukan batch lintas gambar. Lihat prediksi untuk sumber, streaming, dan penanganan hasil.

Varian

Dua tier: t, dibangun pada backbone PP-LCNetV3/PP-OCRv5_mobile yang lebih ringan untuk penggunaan CPU, dan l, dibangun pada backbone server PP-HGNetV2 untuk akurasi lebih tinggi. Kedua tier menjalankan deteksi dengan batas sisi panjang yang tetap dan mengenali crop dalam batch; rec_batch mengontrol jumlah crop yang melewati recognizer per forward pass.

Validasi

val() mengukur pipeline terhadap direktori gambar beserta berkas labels/<split>.jsonl, atau YAML dataset yang setara. Setiap label mencantumkan poligon wilayah teks per gambar dan transkripnya. Metode ini melaporkan hmean deteksi (presisi/recall/F1 yang dicocokkan dengan IoU), F1 end-to-end (hmean ditambah kecocokan transkrip persis setelah normalisasi, yaitu metrik fitness checkpoint), serta 1-NED, jarak edit ternormalisasi rata-rata pada pasangan yang cocok.

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"])       # metrik utamaprint(metrics["metrics/rec_1-NED"])

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

Ekspor

PP-OCRv5 adalah pipeline dua jaringan, yaitu deteksi dan pengenalan yang bergerak bersama, bukan satu graph yang dapat di-trace. Ekspor belum diimplementasikan untuknya: belum ada format yang didukung. Lakukan fine-tuning langsung pada kode pelatihan upstream berlisensi Apache-2.0 dan konversi hasilnya dengan weights/convert_ppocr_weights.py jika memerlukan checkpoint di luar format ini.

Checkpoint

Setiap berkas bobot yang dipublikasikan untuk family ini.

Lisensi

Sitasi

@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}, 
}