Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
PaddlePaddle
PaddleOCR
提交
d7e539e4
P
PaddleOCR
项目概览
PaddlePaddle
/
PaddleOCR
大约 1 年 前同步成功
通知
1528
Star
32962
Fork
6643
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
108
列表
看板
标记
里程碑
合并请求
7
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
P
PaddleOCR
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
108
Issue
108
列表
看板
标记
里程碑
合并请求
7
合并请求
7
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
提交
d7e539e4
编写于
5月 03, 2022
作者:
T
tink2123
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
update introduction
上级
f7758b41
变更
4
显示空白变更内容
内联
并排
Showing
4 changed file
with
32 addition
and
27 deletion
+32
-27
doc/doc_ch/ppocr_introduction.md
doc/doc_ch/ppocr_introduction.md
+32
-27
doc/ppocr_v3/ppocr_v3.png
doc/ppocr_v3/ppocr_v3.png
+0
-0
doc/ppocr_v3/svtr_g2.png
doc/ppocr_v3/svtr_g2.png
+0
-0
doc/ppocr_v3/svtr_g4.png
doc/ppocr_v3/svtr_g4.png
+0
-0
未找到文件。
doc/doc_ch/ppocr_introduction.md
浏览文件 @
d7e539e4
...
...
@@ -54,56 +54,61 @@ PP-OCRv3文本检测从网络结构、蒸馏训练策略两个方向做了进一
-
PP-OCRv3 文本识别
[
SVTR
](
todo:add_link
)
证明了强大的单视觉模型即可高效准确完成文本识别任务,在中英文数据上均有优秀的表现。基于SVTR的工作,PP-OCRv3首先验证了SVTR_tiny结构在中文数据上的效果。
实验发现SVTR_tiny在中文测试集上acc可以提升10.7%。
[
SVTR
](
https://arxiv.org/abs/2205.00159
)
证明了强大的单视觉模型(无需序列模型)即可高效准确完成文本识别任务,在中英文数据上均有优秀的表现。经过实验验证,SVTR_tiny在自建的中文数据集上,识别精度可以提升10.7%,网络结构如下所示:
<img
src=
"../ppocr_v3/svtr_tiny.jpg"
width=
800
>
非常遗憾,
由于 MKLDNN 加速库支持的模型结构有限,SVTR 在CPU+MKLDNN上相比PP-OCRv2慢了10倍。
由于 MKLDNN 加速库支持的模型结构有限,SVTR 在CPU+MKLDNN上相比PP-OCRv2慢了10倍。
PP-OCRv3 期望
提升模型精度的同时不带来额外的推理耗时,以加速预测为目的,分析得到主要耗时部分在Transformer Block,并对 SVTR_tiny 的结构进行了一系列优化
:
PP-OCRv3 期望
在提升模型精度的同时,不带来额外的推理耗时。通过分析发现,SVTR_tiny结构的主要耗时模块为Transformer Block,因此我们对 SVTR_tiny 的结构进行了一系列优化,详细速度数据请参考下方消融实验表格
:
1.
将SVTR网络前半部分替换为
LCNet的前三个stage,保留4个 SVTR 的 Global attenntion,精度为76%,速度基本不变。
1.
将SVTR网络前半部分替换为
PP-LCNet的前三个stage,保留4个 SVTR 的 Global Attenntion Block,精度为76%,加速69%,网络结构如下所示:
<img
src=
"../ppocr_v3/svtr_g4.png"
width=
800
>
2.
将4个
Global attention 减小到2个,精度为72.9%,速度提升3倍。
2.
将4个
Global Attenntion Block 减小到2个,精度为72.9%,加速69%,网络结构如下所示:
<img
src=
"../ppocr_v3/svtr_g2.png"
width=
800
>
3.
attention 的预测速度与输入其feature的shape有关,因此移动Global attention至avg_pool后,精度下降为71.9%,速度超越 CNN-base 的PP-OCRv2 27%。
3.
实验发现 Global Attention 的预测速度与输入其特征的shape有关,因此后移Global Attenntion Block的位置到池化层之后,精度下降为71.9%,速度超越 CNN-base 的PP-OCRv2 22%,网络结构如下所示:
<img
src=
"../ppocr_v3/ppocr_v3.png"
width=
800
>
为了提升模型精度同时不引入额外推理成本,PP-OCRv3参考GTC策略,使用Attention监督CTC训练,预测时完全去除Attention模块,在推理阶段不增加任何耗时, 精度提升3.8%
。
为了提升模型精度同时不引入额外推理成本,PP-OCRv3参考GTC策略,使用Attention监督CTC训练,预测时完全去除Attention模块,在推理阶段不增加任何耗时, 精度提升3.8%
,训练流程如下所示:
<img
src=
"../ppocr_v3/GTC.png"
width=
800
>
训练策略方面参考
[
SSL
](
https://github.com/ku21fan/STR-Fewer-Labels
)
设计了文本方向任务,训练了适用于文本识别的预训练模型,加速模型收敛过程,精度提升了0.6%; 使用UDML蒸馏策略,进一步提升精度1.5%。
在训练策略方面,PP-OCRv3参考
[
SSL
](
https://github.com/ku21fan/STR-Fewer-Labels
)
设计了文本方向任务,训练了适用于文本识别的预训练模型,加速模型收敛过程,精度提升了0.6%; 使用UDML蒸馏策略,进一步提升精度1.5%,训练流程所示:
<img
src=
"../ppocr_v3/SSL.png"
width=
"300"
>
<img
src=
"../ppocr_v3/UDML.png"
width=
"500"
>
数据增强方面基于
[
ConCLR
](
https://www.cse.cuhk.edu.hk/~byu/papers/C139-AAAI2022-ConCLR.pdf
)
中的ConAug方法,设计了 RecConAug 数据增强方法,增强数据多样性,精度提升0.5%,
数据增强方面:
1.
基于
[
ConCLR
](
https://www.cse.cuhk.edu.hk/~byu/papers/C139-AAAI2022-ConCLR.pdf
)
中的ConAug方法,设计了 RecConAug 数据增强方法,增强数据多样性,精度提升0.5%,增强可视化效果如下所示:
<img
src=
"../ppocr_v3/recconaug.png"
width=
800
>
2.
使用训练好的 SVTR_large 预测 120W 的 lsvt 无标注数据,取出其中得分大于0.95的数据,共得到81W识别数据加入到PP-OCRv3的训练数据中,精度提升1%。
总体来讲PP-OCRv3识别从网络结构、训练策略、数据增强三个方向做了进一步优化:
-
网络结构上:结合 LCNet 与
[
SVTR
](
todo:add_link
)
的 Transformer block,去除LSTM特征解码模块,并行处理序列特征,兼顾精度与预测速度;参考
[
GTC
](
https://arxiv.org/pdf/2002.01276.pdf
)
策略,使用注意力机制模块指导CTC训练,定位和识别字符,提升不规则文本的识别精度。
-
训练策略上:参考
[
SSL
](
https://github.com/ku21fan/STR-Fewer-Labels
)
设计了方向分类前序任务,获取更优预训练模型,加速模型收敛过程,提升精度; 使用UDML蒸馏策略、监督attention、ctc两个分支得到更优模型。
-
数据增强上:基于
[
ConCLR
](
https://www.cse.cuhk.edu.hk/~byu/papers/C139-AAAI2022-ConCLR.pdf
)
中的ConAug方法,改进得到 RecConAug 数据增广方法,支持随机结合任意多张图片,提升训练数据的上下文信息丰富度,增强模型鲁棒性。
基于上述策略,PP-OCRv3识别模型相比上一版本,速度基本无损,精度进一步提升4.5%。 具体消融实验:
实验细节:
-
网络结构上:考虑
[
SVTR
](
https://arxiv.org/abs/2205.00159
)
在中英文效果上的优越性,采用SVTR_tiny作为base,选取Global Attention Block和卷积组合提取特征,并将Global Attention Block位置后移进行加速; 参考
[
GTC
](
https://arxiv.org/pdf/2002.01276.pdf
)
策略,使用注意力机制模块指导CTC训练,定位和识别字符,提升不规则文本的识别精度。
-
训练策略上:参考
[
SSL
](
https://github.com/ku21fan/STR-Fewer-Labels
)
设计了方向分类前序任务,获取更优预训练模型,加速模型收敛过程,提升精度; 使用UDML蒸馏策略、监督attention、ctc两个分支得到更优模型。
-
数据增强上:基于
[
ConCLR
](
https://www.cse.cuhk.edu.hk/~byu/papers/C139-AAAI2022-ConCLR.pdf
)
中的ConAug方法,改进得到 RecConAug 数据增广方法,支持随机结合任意多张图片,提升训练数据的上下文信息丰富度,增强模型鲁棒性;使用 SVTR_large 预测无标签数据,向训练集中补充81w高质量真实数据。
| id | 策略 | 模型大小 | 精度 |
|-----|-----|--------|----|
| 01 | PP-OCRv2 | 8M | 69.3% |
| 02 | SVTR_tiny | 19M | 80.1% |
| 03 | LCNet_SVTR_G6 | 8.2M | 76% |
| 04 | LCNet_SVTR_G1 | - | 72.98% |
| 05 | PP-OCRv3 | 12M | 71.9% |
| 06 | + GTC | 12M | 75.8% |
| 07 | + RecConAug | 12M | 76.3% |
| 08 | + SSL pretrain | 12M | 76.9% |
| 09 | + UDML | 12M | 78.4% |
| 10 | + unlabeled data | 12M | 79.4% |
基于上述策略,PP-OCRv3识别模型相比PP-OCRv2,在速度可比的情况下,精度进一步提升4.5%。 体消融实验如下所示:
实验细节:
| id | 策略 | 模型大小 | 精度 | 速度(cpu + mkldnn)|
|-----|-----|--------|----| --- |
| 01 | PP-OCRv2 | 8M | 69.3% | 8.54ms |
| 02 | SVTR_tiny | 21M | 80.1% | 97ms |
| 03 | LCNet_SVTR_G6 | 9.2M | 76% | 30ms |
| 04 | LCNet_SVTR_G1 | 13M | 72.98% | 9.37ms |
| 05 | PP-OCRv3 | 12M | 71.9% | 6.6ms |
| 06 | + large input_shape | 12M | 73.98% | 7.6ms |
| 06 | + GTC | 12M | 75.8% | 7.6ms |
| 07 | + RecConAug | 12M | 76.3% | 7.6ms |
| 08 | + SSL pretrain | 12M | 76.9% | 7.6ms |
| 09 | + UDML | 12M | 78.4% | 7.6ms |
| 10 | + unlabeled data | 12M | 79.4% | 7.6ms |
注: 测试速度时,输入图片尺寸均为(3,32,320)
<a
name=
"2"
></a>
## 2. 特性
...
...
doc/ppocr_v3/ppocr_v3.png
查看替换文件 @
f7758b41
浏览文件 @
d7e539e4
400.5 KB
|
W:
|
H:
528.6 KB
|
W:
|
H:
2-up
Swipe
Onion skin
doc/ppocr_v3/svtr_g2.png
查看替换文件 @
f7758b41
浏览文件 @
d7e539e4
400.5 KB
|
W:
|
H:
425.7 KB
|
W:
|
H:
2-up
Swipe
Onion skin
doc/ppocr_v3/svtr_g4.png
查看替换文件 @
f7758b41
浏览文件 @
d7e539e4
334.2 KB
|
W:
|
H:
367.5 KB
|
W:
|
H:
2-up
Swipe
Onion skin
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录