PP-OCRv5

Instalação

O PP-OCRv5 não precisa de nenhum extra além do pacote base.

pip install libreyolo

Predição

Os pesos são baixados do Hugging Face no primeiro uso e ficam em cache 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) em ordem de leitura: superior-esquerdo,# superior-direito, inferior-direito, inferior-esquerdo. Os# quadriláteros de detecção são polígonos de verdade (texto# rotacionado), então preenchem result.ocr, não result.boxes.print(result.ocr.data.shape)print(result.ocr.det_conf)

Cada checkpoint reúne as duas etapas, detecção e reconhecimento, em um único arquivo .pt, com o charset de reconhecimento e os padrões do pipeline guardados nos metadados do checkpoint. O reconhecedor lê chinês simplificado e tradicional, inglês, japonês e pinyin com um único dicionário. result.ocr é um payload OCRRegions: .data guarda os polígonos de quatro pontos, .texts as transcrições, .conf a pontuação de reconhecimento de cada região e .det_conf a pontuação de detecção. Fontes com várias imagens rodam sequencialmente: o pipeline de duas etapas não agrupa em batch entre imagens. Veja predição para fontes, streaming e tratamento dos resultados.

Variantes

Dois níveis: t, construído sobre os backbones mais leves PP-LCNetV3/PP-OCRv5_mobile para uso em CPU, e l, construído sobre os backbones de servidor PP-HGNetV2 para maior acurácia. Os dois níveis rodam a detecção com um limite fixo do lado maior e reconhecem os recortes em batches; rec_batch controla quantos recortes passam pelo reconhecedor a cada forward pass.

Validação

val() mede o pipeline contra um diretório de imagens mais um arquivo labels/<split>.jsonl, ou o YAML de dataset equivalente, em que cada label lista os polígonos das regiões de texto de cada imagem e suas transcrições. Ele reporta o hmean de detecção (precisão/recall/F1 com correspondência por IoU), o F1 end-to-end (o hmean mais uma correspondência exata da transcrição depois da normalização, a métrica de fitness do checkpoint) e o 1-NED, a distância de edição normalizada média sobre os pares correspondentes.

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

Exportação

O PP-OCRv5 é um pipeline de duas redes, detecção e reconhecimento andando juntos, não um único grafo rastreável, e a exportação não está implementada para ele: nenhum formato é suportado ainda. Faça fine-tuning direto no código de treinamento upstream sob Apache-2.0 e converta o resultado com weights/convert_ppocr_weights.py se você precisar de um checkpoint fora desse formato.

Checkpoints

Todos os arquivos de pesos publicados desta família.

Licenciamento

Citação

@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}, 
}