PP-OCRv5

Installazione

PP-OCRv5 non richiede nessun extra oltre al pacchetto base.

pip install libreyolo

Predizione

I pesi vengono scaricati da Hugging Face al primo utilizzo e restano in cache in locale.

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) # Poligoni (N, 4, 2) in ordine di lettura: alto-sinistra, alto-destra,# basso-destra, basso-sinistra. I quadrilateri di rilevamento sono veri# poligoni (testo ruotato), quindi popolano result.ocr, non result.boxes.print(result.ocr.data.shape)print(result.ocr.det_conf)

Ogni checkpoint racchiude entrambi gli stadi, rilevamento e riconoscimento, in un unico file .pt, con il charset di riconoscimento e i valori predefiniti della pipeline conservati nei metadati del checkpoint. Il riconoscitore legge cinese semplificato e tradizionale, inglese, giapponese e pinyin con un unico dizionario. result.ocr è un payload OCRRegions: .data contiene i poligoni a quattro punti, .texts le trascrizioni, .conf il punteggio di riconoscimento per regione e .det_conf il punteggio di rilevamento. Le sorgenti multi-immagine vengono eseguite in sequenza: la pipeline a due stadi non raggruppa in batch fra immagini diverse. Vedi predizione per sorgenti, streaming e gestione dei risultati.

Varianti

Due livelli: t, costruito sui backbone più leggeri PP-LCNetV3/PP-OCRv5_mobile per l'uso su CPU, e l, costruito sui backbone server PP-HGNetV2 per un'accuratezza maggiore. Entrambi i livelli eseguono il rilevamento con un limite fisso sul lato lungo e riconoscono i ritagli in batch; rec_batch controlla quanti ritagli passano nel riconoscitore a ogni forward pass.

Validazione

val() misura la pipeline su una directory di immagini più un file labels/<split>.jsonl, oppure sull'equivalente YAML del dataset, dove ogni etichetta elenca i poligoni delle regioni di testo per immagine e le loro trascrizioni. Riporta l'hmean di rilevamento (precisione/recall/F1 con match su IoU), l'F1 end-to-end (l'hmean più una corrispondenza esatta della trascrizione dopo normalizzazione, la metrica di fitness del checkpoint) e 1-NED, la distanza di edit normalizzata media sulle coppie corrispondenti.

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"])       # metrica principaleprint(metrics["metrics/rec_1-NED"])

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

Esportazione

PP-OCRv5 è una pipeline a due reti, rilevamento e riconoscimento che si muovono insieme, non un unico grafo tracciabile, e l'esportazione non è implementata: nessun formato è ancora supportato. Fai fine-tuning direttamente sul codice di addestramento upstream con licenza Apache-2.0 e converti il risultato con weights/convert_ppocr_weights.py se ti serve un checkpoint fuori da questo formato.

Checkpoint

Tutti i file di pesi pubblicati per questa famiglia.

Licenze

Citazione

@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}, 
}