AI 助理
文档备案控制台
开发者社区 人工智能 文章 正文

PaddleOCR学习笔记 01-PaddleOCR简介

2024-10-18 1612
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： 《PaddleOCR学习笔记 01-PaddleOCR简介》涵盖了PaddleOCR的基础介绍、OCR技术概览、PaddleOCR的开源状态及主要算法，包括文字检测与识别算法、百度自研的SAST、SRN和End2End-PSL等，以及9m超轻量模型的介绍。适合初学者入门学习。

PaddleOCR学习笔记 01-PaddleOCR简介

视频链接：https://www.bilibili.com/video/BV1nf4y1U7RX?p=4

官网地址：https://github.com/PaddlePaddle/PaddleOCR

入门教程：https://aistudio.baidu.com/aistudio/projectdetail/467229

OCR简介

image-20210319084824874

image-20210319084920478

image-20210319085015245

image-20210319085141214

image-20210319085309535

PaddleOCR开源情况

image-20210319085537431

image-20210319085604546

PaddleOCR文字检测算法

image-20210319085811326

17年cvpr，基于回归

弃用了anchor，多通道的FCN接一个NMS，对feature map的每个像素点都有一个检测结果

image-20210319090018061

image-20210319090217415

image-20210319090600079

image-20210319090825390

image-20210319090953127

基于分割的方法可以检测不规则的文本，更加准确。

image-20210319091228823

总的来说，在本地的话使用模型resnet50_vd比较好一些，在端侧使用mobilenetv3比较好些。

PaddleOCR文字识别算法

image-20210319091615079

image-20210319091916464

image-20210319092226967

image-20210319092246663

PaddleOCR总结

image-20210319092416895

image-20210319092450764

百度自研文本检测算法-SAST

image-20210319092558983

image-20210319093201559

百度自研文字识别算法-SRN

image-20210319093144856

image-20210319093624447

百度自研端到端算法-End2End-PSL*

image-20210319093803760

image-20210319094115799

image-20210319094201440

PaddleOCR 9m超轻量模型

image-20210319094237193

image-20210319094250137

image-20210319094323856

image-20210319094426465

image-20210319094457240

结束

image-20210319094822801

image-20210319094944208

image-20210319095010063

image-20210319095127265

image-20210319095228216

image-20210319095337424

image-20210319095419033

image-20210319095812466

image-20210319100522602

image-20210319100702474

文章标签：
算法
文字识别
计算机视觉
宋晨明
目录
相关文章
东风_
|
并行计算 Linux C语言
PaddleOCR
PaddleOCR
东风_
2666 0
1941623231718325
|
网络协议 Python
python中socket客户端发送和接收数据
【4月更文挑战第7天】本教程聚焦TCP客户端数据发送与接收。使用Python的`socket`模块，通过`send()`发送字节串至服务器，如`client_socket.send(message_bytes)`；用`recv()`接收数据，如`received_data = client_socket.recv(buffer_size)`。异常处理确保网络错误时程序健壮性，例如`try-except`捕获`socket.error`。理解和掌握这些基础操作对于构建稳定的TCP客户端至关重要。
1941623231718325
3215 1
忆~遂愿
|
11月前
|
负载均衡 Docker Python
vLLM-Ascend 安装部署与环境配置指南
vLLM-Ascend 是 vLLM 项目专为华为昇腾 NPU 设计的硬件插件，支持主流大模型与多模态架构，提供高性能推理能力。项目结构清晰，涵盖核心算子、工具脚本与容器化部署方案，兼容单/多节点环境，助力高效构建昇腾上的 AI 推理服务。
忆~遂愿
5052 1
开发V|TG_ch3nguang
|
数据采集 机器学习/深度学习 运维
量化合约系统开发架构入门
量化合约系统核心在于数据、策略、风控与执行四大模块的协同，构建从数据到决策再到执行的闭环工作流。强调可追溯、可复现与可观测性，避免常见误区如重回测轻验证、忽视数据质量或滞后风控。初学者应以MVP为起点，结合回测框架与实时风控实践，逐步迭代。详见相关入门与实战资料。
开发V|TG_ch3nguang
955 0
yunmai
|
机器学习/深度学习 文字识别 自然语言处理
OCR技术：解锁文字识别的无限可能
OCR（光学字符识别）技术是数字化浪潮中的关键工具，可将纸质文档、手写笔记或复杂背景下的文字图像转化为可编辑文本。本文从图像采集、预处理、字符识别到文本校正，全面解析OCR技术的原理，并探讨其在智能办公、智慧交通、便捷生活等领域的广泛应用。未来，OCR将与自然语言处理、计算机视觉等技术深度融合，推动智能化和综合化发展。通过开放生态系统和政策支持，开发者可探索更多创新场景，如古籍数字化、盲人阅读等，为社会带来更多价值。
yunmai
2521 57
kuaitongai
|
机器学习/深度学习 文字识别 自然语言处理
分析对比大模型OCR、传统OCR和深度学习OCR
OCR技术近年来迅速普及，广泛应用于文件扫描、快递单号识别、车牌识别及日常翻译等场景，极大提升了便利性。其发展历程从传统方法（基于模板匹配和手工特征设计）到深度学习（采用CNN、LSTM等自动学习高级语义特征），再到大模型OCR（基于Transformer架构，支持跨场景泛化和少样本学习）。每种技术在特定场景下各有优劣：传统OCR适合实时场景，深度学习OCR精度高但依赖大量数据，大模型OCR泛化能力强但训练成本高。未来，大模型OCR将结合多模态预训练，向通用文字理解方向发展，与深度学习OCR形成互补生态，最大化平衡成本与性能。
kuaitongai
7765 11
Harry技术
|
机器学习/深度学习 人工智能 算法
Python+YOLO v8 实战：手把手教你打造专属 AI 视觉目标检测模型
本文介绍了如何使用 Python 和 YOLO v8 开发专属的 AI 视觉目标检测模型。首先讲解了 YOLO 的基本概念及其高效精准的特点，接着详细说明了环境搭建步骤，包括安装 Python、PyCharm 和 Ultralytics 库。随后引导读者加载预训练模型进行图片验证，并准备数据集以训练自定义模型。最后，展示了如何验证训练好的模型并提供示例代码。通过本文，你将学会从零开始打造自己的目标检测系统，满足实际场景需求。
Harry技术
17302 1
Python+YOLO v8 实战：手把手教你打造专属 AI 视觉目标检测模型
武汉频琵
|
算法 Go 计算机视觉
YOLOv8结构解读
YOLOv8是Ultralytics团队开发的最新目标检测模型，基于YOLO系列的高效单阶段架构，进一步优化了精度与速度。相比YOLOv5，YOLOv8在Backbone中移除了Focus模块，优化了CSP结构；在Neck部分增强了特征融合能力；Head部分采用Anchor-Free与解耦头设计，提升检测精度。此外，YOLOv8引入了更先进的损失函数、自对抗训练和动态标签分配等策略，显著提高了模型性能与鲁棒性。
武汉频琵
3732 0
爱你三千遍斯塔克
|
文字识别
文本，文字识别，PaddleOCR，如何删除，PaddleOCR详解，检测，方向分类器，识别，检测的意思是检查字符的位置，查像素坐标，方向分类器，能够实现180度的图像，字符识别是把识别字符
文本，文字识别，PaddleOCR，如何删除，PaddleOCR详解，检测，方向分类器，识别，检测的意思是检查字符的位置，查像素坐标，方向分类器，能够实现180度的图像，字符识别是把识别字符
爱你三千遍斯塔克
1496 6

热门文章

最新文章

  • 1
    VMware安装VMware Tools遇到的问题
  • 2
    解决Ubuntu中无法连接wifi的方法
  • 3
    【已修复】OpenSSH 代码问题漏洞(CVE-2023-38408)
  • 4
    nginx ssL +tomcat实现https
  • 5
    2G、3G、4G与5G技术：主要区别详解
  • 6
    CentOS 7下iptables配置添加修改规则端口方法
  • 7
    OSS 工具之 OSSBrower
  • 8
    基于RAG搭建企业级知识库在线问答
  • 9
    操作日志查询-谁动了我的 NAT
  • 10
    闲里偷忙的CPU
  • 1
    阿里云SLB负载均衡是什么？弹性、稳定、安全的负载均衡服务，支持免费试用3个月
    38
  • 2
    阿里云负载均衡SLB支持免费试用：CLB、ALB和NLB申请免费3个月
    25
  • 3
    阿里云安全组是什么？安全组有什么用？安全组的工作原理是什么？
    33
  • 4
    Edge0-145B 的实测全在 4090 和 M2 Ultra 上，我偏用一台千元级迷你主机测了它的小弟 35B
    60
  • 5
    鸿蒙人脸识别消费机双屏时钟不同步：外侧提示和内侧流水对不上
    29
  • 6
    JavaScript 表单开发实战：原生校验、异步提交与重复请求控制
    36
  • 7
    阿里云SLB负载均衡支持免费试用：ALB、NLB和GWLB均支持，免费3个月时长
    30
  • 8
    阿里云双十一2026年活动继续：TokenPlan、万小智、云服务器、Qoder、千问办公活动指南
    47
  • 9
    租赁阿里云服务器收费价格表2026年双11优惠活动（轻量 + ECS + GPU）
    34
  • 10
    一年预算2万5购买云服务器ECS，如何选择配置？
    30

    • 相关电子书

    更多
  • 低代码开发师（初级）实战教程
  • 冬季实战营第三期：MySQL数据库进阶实战
  • 阿里巴巴DevOps 最佳实践手册
    • 下一篇
    一条命令迁移，帮你实现 OpenClaw 与 Hermes Agent 记忆互通！