PP-OCRv5

Встановлення

Для PP-OCRv5 не потрібні додаткові залежності понад базовий пакет.

pip install libreyolo

Передбачення

Під час першого використання ваги завантажуються з Hugging Face і кешуються 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) # Полігони (N, 4, 2) у порядку читання: верхній лівий, верхній правий,# нижній правий, нижній лівий. Чотирикутники виявлення є справжніми# полігонами (повернутий текст), тому вони заповнюють result.ocr, а не result.boxes.print(result.ocr.data.shape)print(result.ocr.det_conf)

Кожна контрольна точка об'єднує обидва етапи, виявлення та розпізнавання, в одному файлі .pt. Набір символів розпізнавання й типові параметри пайплайна зберігаються в метаданих контрольної точки. Один словник дає розпізнавачу змогу читати спрощену й традиційну китайську, англійську, японську та піньїнь. result.ocr є корисним навантаженням OCRRegions: .data містить чотириточкові полігони, .texts містить транскрипції, .conf містить оцінку розпізнавання для кожної області, а .det_conf містить оцінку виявлення. Джерела з кількох зображень обробляються послідовно: двостадійний пайплайн не формує батч із різних зображень. Типи джерел, потокове передбачення та обробку результатів описано в розділі передбачення.

Варіанти

Доступні два рівні: t використовує легші бекбони PP-LCNetV3/PP-OCRv5_mobile для CPU, а l використовує серверні бекбони PP-HGNetV2 для вищої правильності. Обидва рівні виконують виявлення з фіксованим обмеженням довгої сторони й розпізнають кропи батчами; rec_batch задає кількість кропів, що проходять через розпізнавач за один прямий прохід.

Валідація

val() вимірює пайплайн на каталозі зображень і файлі labels/<split>.jsonl або еквівалентному YAML датасету. Кожна мітка містить полігони текстових областей зображення та їхні транскрипції. Метод повідомляє гармонійне середнє виявлення (точність/повнота/F1 зі зіставленням за IoU), наскрізну F1 (гармонійне середнє разом із точним збігом нормалізованої транскрипції, метрика придатності контрольної точки) і 1-NED, середню нормалізовану відстань редагування для зіставлених пар.

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

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

Експорт

PP-OCRv5 є пайплайном із двох мереж, у якому виявлення та розпізнавання переміщуються разом, а не одним трасованим графом. Експорт для нього не реалізовано, і жоден формат поки не підтримується. Якщо потрібна контрольна точка поза цим форматом, донавчіть початковий код навчання під ліцензією Apache-2.0 та перетворіть результат за допомогою weights/convert_ppocr_weights.py.

Контрольні точки

Усі опубліковані файли ваг цього сімейства.

Ліцензування

Цитування

@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}, 
}