paddle-paddle - PaddleOCR 性能与 Tesseract 相比如何？

Question

我最近遇到了 PaddleOCR，我想知道这个 OCR 系统与 Tesseract 相比如何。是否有可用的数据或基准？

Answer 1

我发现了PaddleOCR 2 和 Tesseract 4之间的比较，但仅适用于英文文本。简要总结：

1. PaddleOCR 在 CPU 上比 Tesseract 稍慢，但在 GPU 支持下，它在标准 GPU 上比 Tesseract 快 46%。
2. 如果没有后处理，PaddleOCR 主要会在单词和标点符号之间缺少空格而出错。但是，这些错误可以很容易地纠正。后处理后的准确性与 Tesseract 相当（少 1%）。
3. 英语的预训练模型只有 Tesseracts 英语训练数据文件大小的 10%（2MB vs 23MB）。

对于目前似乎是 PaddleOCR 主要优先考虑的中文文本，情况可能会有所不同。

Answer 2

我用它们测试了英语和日语，但有趣的是，PaddleOCR 似乎比 Tesseract 更能识别它们。PaddleOCR 的文本检测似乎也更好。然而，根据他们的帖子，PaddleOCR 不能很好地处理空格，并且有来自非中国（或日本）用户的投诉。PaddleOCR 非常渴望整合作为研究论文发表的最新识别/检测算法，为此我决定使用 PaddleOCR。