[application] svtr ch model

applications/高精度中文识别模型.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