You cannot select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
|
|
|
|
|
# Benchmark
|
|
|
|
|
|
|
|
|
|
|
|
本文给出了中英文OCR系列模型精度指标和在各平台预测耗时的benchmark。
|
|
|
|
|
|
|
|
|
|
|
|
## 测试数据
|
|
|
|
|
|
针对OCR实际应用场景，包括合同，车牌，铭牌，火车票，化验单，表格，证书，街景文字，名片，数码显示屏等，收集的300张图像，每张图平均有17个文本框，下图给出了一些图像示例。
|
|
|
|
|
|
|
|
|
|
|
|
<div align="center">
|
|
|
|
|
|
<img src="../datasets/doc.jpg" width = "1000" height = "500" />
|
|
|
|
|
|
</div>
|
|
|
|
|
|
|
|
|
|
|
|
## 评估指标
|
|
|
|
|
|
|
|
|
|
|
|
说明：
|
|
|
|
|
|
|
|
|
|
|
|
- 检测输入图像的长边尺寸是960。
|
|
|
|
|
|
- 评估耗时阶段为图像预测耗时，不包括图像的预处理和后处理。
|
|
|
|
|
|
- `Intel至强6148`为服务器端CPU型号，测试中使用Intel MKL-DNN 加速。
|
|
|
|
|
|
- `骁龙855`为移动端处理平台型号。
|
|
|
|
|
|
|
|
|
|
|
|
预测模型大小和整体识别精度对比
|
|
|
|
|
|
|
|
|
|
|
|
| 模型名称 | 整体模型<br>大小\(M\) | 检测模型<br>大小\(M\) | 方向分类器<br>模型大小\(M\) | 识别模型<br>大小\(M\) | 整体识别<br>F\-score |
|
|
|
|
|
|
|:-:|:-:|:-:|:-:|:-:|:-:|
|
|
|
|
|
|
| PP-OCRv2 | 11\.6 | 3\.0 | 0\.9 | 8\.6 | 0\.5224 |
|
|
|
|
|
|
| PP-OCR mobile | 8\.1 | 2\.6 | 0\.9 | 4\.6 | 0\.503 |
|
|
|
|
|
|
| PP-OCR server | 155\.1 | 47\.2 | 0\.9 | 107 | 0\.570 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
预测模型在CPU和GPU上的速度对比，单位ms
|
|
|
|
|
|
|
|
|
|
|
|
| 模型名称 | CPU | T4 GPU |
|
|
|
|
|
|
|:-:|:-:|:-:|
|
|
|
|
|
|
| PP-OCRv2 | 330 | 111 |
|
|
|
|
|
|
| PP-OCR mobile | 356 | 11 6|
|
|
|
|
|
|
| PP-OCR server | 1056 | 200 |
|
|
|
|
|
|
|
|
|
|
|
|
更多 PP-OCR 系列模型的预测指标可以参考[PP-OCR Benchmark](https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.2/doc/doc_ch/benchmark.md)
|
