PP-OCRv5

Cài đặt

PP-OCRv5 không cần extra ngoài gói cơ sở.

pip install libreyolo

Dự đoán

Trọng số được tải từ Hugging Face ở lần dùng đầu tiên và lưu vào bộ nhớ đệm cục bộ.

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) # Đa giác (N, 4, 2) theo thứ tự đọc: trên-trái, trên-phải,# dưới-phải, dưới-trái. Tứ giác phát hiện là đa giác thực# (văn bản xoay), nên nằm trong result.ocr chứ không phải result.boxes.print(result.ocr.data.shape)print(result.ocr.det_conf)

Mỗi checkpoint gói cả hai giai đoạn phát hiện và nhận dạng trong một tệp .pt, với bộ ký tự nhận dạng và giá trị mặc định của pipeline nằm trong metadata checkpoint. Bộ nhận dạng đọc tiếng Trung giản thể và phồn thể, tiếng Anh, tiếng Nhật và pinyin bằng một từ điển. result.ocr là payload OCRRegions: .data chứa các đa giác bốn điểm, .texts chứa văn bản nhận dạng, .conf chứa điểm nhận dạng theo vùng và .det_conf chứa điểm phát hiện. Nguồn nhiều ảnh chạy tuần tự: pipeline hai giai đoạn không tạo batch giữa các ảnh. Xem dự đoán để biết về nguồn, streaming và xử lý kết quả.

Các biến thể

Có hai tầng: t, xây dựng trên các backbone PP-LCNetV3/PP-OCRv5_mobile nhẹ hơn để dùng với CPU, và l, xây dựng trên backbone server PP-HGNetV2 để có độ chính xác cao hơn. Cả hai tầng chạy phát hiện với giới hạn cạnh dài cố định và nhận dạng các crop theo batch; rec_batch điều khiển số crop đi qua bộ nhận dạng trong mỗi forward pass.

Đánh giá

val() đo pipeline trên một thư mục ảnh cùng tệp labels/<split>.jsonl hoặc YAML tập dữ liệu tương đương; mỗi nhãn liệt kê các đa giác vùng văn bản và nội dung của chúng theo từng ảnh. Phương thức báo cáo hmean phát hiện (precision/recall/F1 được ghép theo IoU), F1 đầu cuối (hmean cộng với kết quả khớp chính xác văn bản sau chuẩn hóa, là chỉ số fitness của checkpoint) và 1-NED, tức khoảng cách chỉnh sửa chuẩn hóa trung bình trên các cặp đã ghép.

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"])       # chỉ số chínhprint(metrics["metrics/rec_1-NED"])

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

Xuất

PP-OCRv5 là pipeline hai mạng, trong đó phát hiện và nhận dạng di chuyển cùng nhau, không phải một đồ thị có thể truy vết; chức năng xuất chưa được triển khai: chưa hỗ trợ định dạng nào. Hãy tinh chỉnh trực tiếp mã huấn luyện thượng nguồn theo Apache-2.0 và chuyển đổi kết quả bằng weights/convert_ppocr_weights.py nếu bạn cần checkpoint ngoài định dạng này.

Checkpoint

Mọi tệp trọng số đã công bố cho họ này.

Giấy phép

Trích dẫn

@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}, 
}