From 6ef2c8762ed7ec3a90a6680292a6095236428103 Mon Sep 17 00:00:00 2001
From: Topdu <784990967@qq.com>
Date: Thu, 23 Jun 2022 13:25:31 +0000
Subject: [PATCH] [application] svtr ch model

---
 ...7\350\257\206\345\210\253\346\250\241\345\236\213.md" | 9 +++++++--
 1 file changed, 7 insertions(+), 2 deletions(-)

diff --git "a/applications/\351\253\230\347\262\276\345\272\246\344\270\255\346\226\207\350\257\206\345\210\253\346\250\241\345\236\213.md" "b/applications/\351\253\230\347\262\276\345\272\246\344\270\255\346\226\207\350\257\206\345\210\253\346\250\241\345\236\213.md"
index 27b63abf..31d68abb 100644
--- "a/applications/\351\253\230\347\262\276\345\272\246\344\270\255\346\226\207\350\257\206\345\210\253\346\250\241\345\236\213.md"
+++ "b/applications/\351\253\230\347\262\276\345\272\246\344\270\255\346\226\207\350\257\206\345\210\253\346\250\241\345\236\213.md"
@@ -9,7 +9,12 @@ PP-OCRv3是百度开源的超轻量级场景文本检测识别模型库，其中
 - UDML：联合互学习策略；
 - UIM：无标注数据挖掘方案。
 
-其中 *UIM：无标注数据挖掘方案* 使用了高精度的SVTR中文模型，该模型在PP-OCRv3识别的数据集上训练，精度为82.5%。本项目主要介绍SVTR中文模型如何使用。
+其中 *UIM：无标注数据挖掘方案* 使用了高精度的SVTR中文模型进行无标注文件的刷库，该模型在PP-OCRv3识别的数据集上训练，精度对比如下表。
+
+|中文识别算法|模型|精度|
+| --- | --- | --- |
+|PP-OCRv3|SVTR_LCNet|79.4%|
+|SVTR|SVTR-Tiny|82.5%|
 
 aistudio项目链接: [高精度中文场景文本识别模型SVTR](https://aistudio.baidu.com/aistudio/projectdetail/4263032)
 
@@ -96,6 +101,6 @@ python3 tools/infer/predict_rec.py --image_dir="./doc/imgs_words/ch/word_1.jpg"
 
 **注意**
 
-- 使用PP-OCRv3识别SVTR_LCNet进行推理时，不需要使用--rec_algorithm指定算法名称，使用默认的推理方式即为PP-OCRv3识别的推理过程。但是使用SVTR算法时，需要指定--rec_algorithm='SVTR'
+- 使用SVTR算法时，需要指定--rec_algorithm='SVTR'
 - 如果使用自定义字典训练的模型，需要将--rec_char_dict_path=ppocr/utils/ppocr_keys_v1.txt修改为自定义的字典
 - --rec_image_shape='3, 32, 320' 该参数不能去掉
-- 
GitLab