PP-OCRv5

Установка

PP-OCRv5 не требует ничего сверх базового пакета.

pip install libreyolo

Предсказание

Веса скачиваются с Hugging Face при первом запуске и кэшируются локально.

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) # полигоны (N, 4, 2) в порядке чтения: верхний левый, верхний правый,# нижний правый, нижний левый. Четырёхугольники детекции — настоящие# полигоны (повёрнутый текст), поэтому они попадают в result.ocr,# а не в result.boxes.print(result.ocr.data.shape)print(result.ocr.det_conf)

Каждый чекпойнт упаковывает обе стадии, детекцию и распознавание, в один файл .pt, а набор символов распознавателя и значения пайплайна по умолчанию лежат в метаданных чекпойнта. Распознаватель читает упрощённый и традиционный китайский, английский, японский и пиньинь по одному словарю. result.ocr — это структура OCRRegions: в .data лежат четырёхточечные полигоны, в .texts — распознанный текст, в .conf — оценка уверенности распознавания по каждой области, а в .det_conf — оценка детекции. Источники из нескольких изображений обрабатываются последовательно: двухстадийный пайплайн не собирает батчи из разных изображений. Об источниках, стриминге и обработке результатов — в разделе предсказание.

Варианты

Два уровня: t на более лёгких бэкбонах PP-LCNetV3/PP-OCRv5_mobile для работы на CPU и l на серверных бэкбонах PP-HGNetV2 для более высокой точности. Оба уровня запускают детекцию с фиксированным ограничением по длинной стороне и распознают вырезанные фрагменты батчами; rec_batch задаёт, сколько фрагментов проходит через распознаватель за один прямой проход.

Валидация

val() прогоняет пайплайн по каталогу изображений и файлу labels/<split>.jsonl либо по эквивалентному YAML датасета, где каждая метка перечисляет полигоны текстовых областей изображения и их текст. Считаются hmean детекции (точность/полнота/F1 при сопоставлении по IoU), сквозная F1 (тот же hmean плюс точное совпадение текста после нормализации — метрика fitness чекпойнта) и 1-NED, среднее нормализованное расстояние редактирования по сопоставленным парам.

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"])       # главная метрикаprint(metrics["metrics/rec_1-NED"])

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

Экспорт

PP-OCRv5 — пайплайн из двух сетей, детекция и распознавание работают вместе, а не как один трассируемый граф, и экспорт для него не реализован: пока не поддерживается ни один формат. Если вам нужен чекпойнт вне этого формата, дообучите напрямую оригинальный код обучения под Apache-2.0 и сконвертируйте результат скриптом weights/convert_ppocr_weights.py.

Чекпойнты

Все опубликованные файлы весов этого семейства.

Лицензирование

Цитирование

@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}, 
}