开源OCR模型对比

引言

目前，开源的项目中有很多 OCR 模型，但是没有一个统一的基准来衡量哪个是更好一些的。
面对这么多的模型，让我们有些不知所措。为此，最近一段时间以来，我一直想要构建这样一个基准，现在来看，已经初步具有雏形。

为了能更好地评测各个模型效果，收集标注了两个开源评测集：

• text_det_test_dataset
• text_rec_test_dataset

为了能够方便计算各个模型指标，整理开源了两个计算常用指标的库：

• TextDetMetric
• TextRecMetric

以下结果均是基于以上 4 个库来的，其指标结果仅仅代表在指定评测集上效果，不代表在其他测试集上结果也是如此，仅供参考。

以下表格中推理时间是基于 MacBook Pro M2 运行所得，不同机器会有差别，请侧重查看彼此之间的比较。

指标计算都是在相同参数下计算得来，差别仅在于模型文件不同。

对应模型下载地址，参见：link。

文本检测模型

评测依赖仓库：

• rapidocr_onnxruntime==1.3.16: link
• 计算指标库 TextDetMetric: link
• 测试集 text_det_test_dataset: link

详情可以移步AI Studio运行查看。

不同推理引擎下，效果比较：

文本识别模型

评测依赖仓库：

• rapidocr_onnxruntime==1.3.16: link
• 计算指标库 TextRecMetric: link
• 测试集 text_rec_test_dataset: link

不同推理引擎下，效果比较：

• 输入 Shape:

  • v2: [3, 32, 320]
  • v3~v4: [3, 48, 320]

• 不同模型，实例化示例如下：

  from rapidocr_onnxruntime import RapidOCR
  
  # v3 or v4
  engine = RapidOCR(
    rec_model_path="models/ch_PP-OCRv3_rec_infer.onnx",
  )
  
  # v2
  engine = RapidOCR(
    rec_model_path="models/ch_ppocr_mobile_v2.0_rec_infer.onnx",
    rec_img_shape=[3, 32, 320],
  )
  

后续更新，请移步：link