CnOCR V2.3 新版发布:模型更好、更多、更大

CnOCR V2.3 新版发布:模型更好、更多、更大

💡 原文中文,约5700字,阅读约需14分钟。
📝

内容提要

CnOCR发布V2.3版,重新训练并精调主要模型,精度较V2.2提升。新版删除微型模型,新增小、中、大三个规模系列,并按场景、文档、数字、通用四类划分。模型规模越大精度越高,新版densenet_lite_136-gru在两个真实数据集上均优于旧版。小模型开源免费,中模型供会员使用,大模型需购买。

🔎

延伸解读

模型规模与精度的权衡

V2.3 提供了小、中、大三个模型系列,参数量从 3.1M 到 21.3M,模型文件从 12M 到 82M。文章中的预训练和精调曲线均显示,模型规模越大,精度越高。但大模型也意味着更大的存储和计算开销。对于一般应用场景,作者建议 densenet_lite_136-gru 应该就够用,并推荐先在在线 Demo 上用自己的图片验证效果,再决定是否需要更大模型。

按场景选模型更精准

V2.3 将模型按使用场景分为 scene、doc、number 和 general 四类。scene 适合一般拍照图片,doc 适合书籍扫描件等规则文档截图,number 仅识别纯数字(0~9),适合银行卡号、身份证号等,general 适合无明显倾向的图片。这种分类让用户能根据图片类型选择针对性模型,可能获得更好的识别效果。但文章也提醒,具体选择建议以实际效果为准。

新旧版对比:精度提升有数据支撑

V2.3 仅保留了 V2.2 中的 densenet_lite_136-gru 模型,并对其重新训练和精调。在 P2T-doc(偏文档)和 Baidu-scene(偏场景)两个真实数据集上,新版模型在 CER(字错误率,越低越好)和 Complete Match(完全匹配率,越高越好)两个指标上均优于旧版。这表明即使使用相同结构的模型,新版训练也能带来精度提升。

获取方式与使用门槛

小模型系列(densenet_lite_136-gru)开源免费,首次使用 CnOCR 时会自动下载。中模型系列(densenet_lite_246-gru_base)仅供知识星球会员使用,大模型系列(densenet_lite_666-gru_large)需购买后使用。文章强调,应先用开源模型跑通 CnOCR >= V2.3,否则下载付费模型也无法运行。此外,检测模型会极大影响最终识别效果,可尝试多个检测模型或使用单行文字模式。

❓

Q&A

CnOCR V2.3 相比 V2.2 主要有哪些改进?

CnOCR V2.3 对主要模型进行了重新训练和精调,精度比 V2.2 更高。同时删除了参数过少、精度欠佳的微型模型,新增了 densenet_lite_246-gru_base 和 densenet_lite_666-gru_large 两个参数量更大的模型系列,并按使用场景将模型分为 scene、doc、number、general 四类。

CnOCR V2.3 提供了哪些规模的模型系列?

V2.3 包含 3 个规模从小到大的模型系列:densenet_lite_136-gru(参数量 3.1M,文件大小 12M)、densenet_lite_246-gru_base(参数量 6.6M,文件大小 25M)、densenet_lite_666-gru_large(参数量 21.3M,文件大小 82M)。

CnOCR V2.3 的模型按使用场景分成了哪几类?分别适合什么图片?

分为四类:scene(场景图片,适合一般拍照图片中的文字)、doc(文档图片,适合规则文档截图如书籍扫描件)、number(仅识别纯数字 0~9,适合银行卡号、身份证号等)、general(通用场景,适合无明显倾向的一般图片)。

CnOCR V2.3 的模型训练过程是怎样的?

训练包括两个步骤:预训练,从 0 开始利用千万级别数据量训练模型,获得预训练模型;精调,针对不同使用场景,利用场景对应的百万级别数据量精调预训练模型,获得最终的精调模型。

V2.3 的 densenet_lite_136-gru 模型相比 V2.2 旧版精度提升如何?

在 P2T-doc 和 Baidu-scene 两个真实数据集上,V2.3 的新版 densenet_lite_136-gru 模型在 CER(字错误率,越低越好)和 Complete Match(完全匹配率,越高越好)两个指标上均比 V2.2 旧版有提升。

CnOCR V2.3 的不同规模模型如何获取?是否免费?

densenet_lite_136-gru 系列模型已开源可免费使用,首次使用时自动下载;densenet_lite_246-gru_base 系列模型仅供知识星球 CnOCR/CnSTD/P2T 私享群会员使用;densenet_lite_666-gru_large 系列模型需购买后使用,星球会员购买个人版模型可享八折优惠。

在哪里可以在线体验 CnOCR V2.3 各个模型的效果?

可以在 HuggingFace 上的 CnOCR Demo(需梯子)上传照片验证所有模型效果,也可以访问阿里 ModelScope 上的 CnOCR Demo(https://www.modelscope.cn/studios/Breezedeus/CnOCR-Demo),但 ModelScope 体验不太好,建议优先使用 HuggingFace。

使用 CnOCR V2.3 时如何指定识别模型?模型文件默认放在哪里?

使用方法与其他模型一样,只需将识别模型名称参数 rec_model_name 设置为对应的识别模型即可。模型文件默认存放于 ~/.cnocr/2.3 目录(Windows 下为 C:\Users\<username>\AppData\Roaming\cnocr),CnOCR 会自动解压并使用;若放在其他路径,初始化时可通过 rec_vocab_fp 传入对应路径。

🏷️

标签

➡️

继续阅读