PytorchOCR旨在打造一套训练，推理，部署一体的OCR引擎库
添加微信z572459439或者nsnovio，然后进群讨论。备注ocr进群。
- 2022.02.24 更新：新增convnext作为backbone
- 2022.01.28 更新：新增transformer作为backbone
- 2022.01.07 更新：
- 检测模型新增backbone类型ghostnet
- 新增pse模型
- 新增dbnet的蒸馏版本
- 新增新版轻量化检测模型
- 修复一些bug
- 2021.02.27 添加移动端识别模型文件、移动端DBNet模型文件
- 2021.02.25 添加服务器端识别模型文件
- 2021.02.09 添加DBNet模型，修改DBNet网络结构的fpn，inference时候的缩放及后处理
- 2020.07.01 添加 添加新算法文档
- 2020.06.29 添加检测的mb3和resnet50_vd预训练模型
- 2020.06.25 检测模块的训练和预测ok
- 2020.06.18 更新README
- 2020.06.17 识别模块的训练和预测ok
- crnn训练与python版预测
- DB训练与python版预测
- imagenet预训练模型
- 服务器端识别模型文件
- DB通用模型
- 手机端部署
- With Triton,推荐使用Savior
需要的环境如下
- pytorch 1.4+
- torchvision 0.5+
- gcc 4.9+ (pse,pan会用到)
快速安装环境
pip3 install -r requirements.txtPytorchOCR开源的文本检测算法列表：
- DB(paper)
| 模型简介 | 骨干网络 | 推荐场景 | 大小 | 下载链接 |
|---|---|---|---|---|
| 预训练模型 | ResNet50 | 服务器端 | 97.3M | 3cmz |
| 原始超轻量模型，支持中英文、多语种文本检测 | MoblieNet | 移动端 | 2.3M | c9ko |
| 新版 轻量模型，支持中英文、多语种文本检测 | MoblieNet | 移动端 | 2.3M | 39ne |
| 通用模型，支持中英文、多语种文本检测，比超轻量模型更大，但效果更好 | ResNet18 | 服务器端 | 47.2M | r26k |
| 预训练模型 | swin_transformer | 服务器端 | 240M | se32 |
| 预训练模型 | convnext | 服务器端 | 113M | 46is |
PytorchOCR开源的文本识别算法列表：
- CRNN(paper)
| 模型简介 | 骨干网络 | 推荐场景 | 大小 | 下载链接 |
|---|---|---|---|---|
| 原始超轻量模型，支持中英文、数字识别 | MoblieNet | 移动端 | 4.2M | 7x9q |
| 通用模型，支持中英文、数字识别 | ResNet34 | 服务器端 | 106.4M | sdnc |
链接: https://pan.baidu.com/s/1uMWys5lQ5ZfhnaOCPBVqZw 密码: i9du
我们非常欢迎你为PytorchOCR贡献代码，也十分感谢你的反馈。