中年|8.6M超轻量中英文OCR模型开源，训练部署一条龙 | Demo可玩
鱼羊 发自 凹非寺
量子位 报道 | 公众号 QbitAI
要说生活里最常见、最便民的AI应用技术 ， OCR（光学字符识别）当属其中之一 。
寻常到日常办理各种业务时的身份证识别 ， 前沿到自动驾驶车辆的路牌识别 ， 都少不了它的加持 。
作为一名开发者 ， 各种OCR相关的需求自然也少不了：卡证识别、票据识别、汽车场景、教育场景文字识别……
那么 ， 这个模型大小仅8.6M ， 没有GPU也能跑得动 ， 还提供自定义训练到多硬件部署的全套开发套件的开源通用OCR项目 ， 了解一下？
话不多说 ， 先来看效果 。
本文插图
本文插图
可以看到 ， 无论文字是横排、还是竖排 ， 这个超轻量模型都有不错的识别效果 。
难度略高 ， 且实际生活当中经常遇到的场景也不在话下：
本文插图
那么 ， 如果情况更复杂一点 ， 这么小的模型能hold住吗？
毕竟 ， 在实际应用场景中 ， 图像中的文字难免存在字符弯曲、模糊等诸多问题 。
比如 ， 并不高清的路牌：
本文插图
主体部分基本都识别无误 ， 只有英文小字部分因为确实比较模糊 ， 识别效果不太理想 。
再看一张文字背景复杂的图像识别效果：
本文插图
出现一个错别字 ， 扣一分 。 满分10分的话 ， 可以打个9分了 。
其实 ， 在实际OCR项目落地过程中 ， 开发者往往面临两个痛点：
1. 无论是移动端和服务器端 ， 待识别的图像数目往往非常多 ， 都希望模型更小 ， 精度更高 ， 预测速度更快 。 GPU太贵 ， 最好使用CPU跑起来更经济 。 在满足业务需求的前提下 ， 模型越轻量占用的资源越少 。
2. 实际业务场景中 ， OCR面临的问题多种多样 ， 业务场景个性化往往需要自定义数据集重新训练 ， 硬件环境多样化就需要支持丰富的部署方式 。 再加上收集数据之类的dirty work ， 往往一个项目落地中的大部分时间都用在算法研发以外的环节中 ， 迫切需要一套完整全流程的解决方案 ， 来加快研发进度 ， 节约宝贵的研发时间 。
也就是说 ， 超轻量模型及其全流程解决方案 ， 尤其对于算力、存储空间有限的移动端、嵌入式设备而言 ， 可以说是刚需 。
而在这个开源项目中 ， 开发者也贴心提供了直接可供测试的Demo 。
在量子位的实际上手测试中 ， 在移动端Demo上这样一个不到10M的模型 ， 基本上可以做到秒出效果 。
在中文公开数据集ICDAR2017-RCTW上 ， 限定图片长边尺寸960px ， 测试数据与测试条件相同的前提下 ， 将该项目与之前一度登上GitHub热榜的Chineseocr_Lite（5.1k stars）最新发布的10M模型进行测试对比 。 在模型大小、精度和预测速度方面 ， 结果如下：
该8.6M超轻量模型 ， V100 GPU单卡平均预测耗时57ms ， CPU平均预测耗时319ms 。
而Chineseocr_Lite的10M模型 ， V100单卡预测速度230ms ， CPU平均预测耗时739ms 。
当然 ， 这里面模型预测速度的提升不仅是因为模型大小更小了 ， 也离不开算法与框架深度适配优化 。
项目中给出的Benchmark如下：
本文插图
作为一名面向GitHub编程的程序员 ， 顿时感到老板再来各种OCR需求都不方了 。
推荐阅读
- 中年|Carnot研发新型空气压缩机：噪音更低 寿命更长 成本更低
- 中年|中国-东盟区块链应用创新实验室揭牌
- 中年|交易所成黑钱胜地：“冻卡潮”背后的秘密
- 中年|波卡上线 现阶段是否值得投资？
- 中年|首台国产T3.20悬臂式掘进机在中信重工下线
- 中年|探索城市的“未来模样”，腾讯政务接下来这么干
- 中年|明年起禁用不可降解塑料购物袋、吸管！塑料袋发明者本来是为拯救地球
- 中年|神奇！这款智能垃圾集成箱能自动开合还能紫外线消毒
- 中年|6种经典糯米吃法，软软糯糯，一学即会
- 中年|慈善币AOT：用公益收割“韭菜”