invoice_ocr/utils/PaddleOCR/doc/doc_ch/algorithm_overview.md

算法介绍

本文给出了PaddleOCR已支持的文本检测算法和文本识别算法列表，以及每个算法在英文公开数据集上的模型和指标，主要用于算法简介和算法性能对比，更多包括中文在内的其他数据集上的模型请参考PP-OCR v2.0 系列模型下载。

• 1.文本检测算法
• 2.文本识别算法

1.文本检测算法

PaddleOCR开源的文本检测算法列表：

• DB(paper) [2]（ppocr推荐）
• EAST(paper)[1]
• SAST(paper)[4]

在ICDAR2015文本检测公开数据集上，算法效果如下： |模型|骨干网络|precision|recall|Hmean|下载链接| | --- | --- | --- | --- | --- | --- | |EAST|ResNet50_vd|85.80%|86.71%|86.25%|下载链接| |EAST|MobileNetV3|79.42%|80.64%|80.03%|下载链接| |DB|ResNet50_vd|86.41%|78.72%|82.38%|下载链接| |DB|MobileNetV3|77.29%|73.08%|75.12%|下载链接| |SAST|ResNet50_vd|91.39%|83.77%|87.42%|下载链接|

在Total-text文本检测公开数据集上，算法效果如下：

模型	骨干网络	precision	recall	Hmean	下载链接
SAST	ResNet50_vd	89.63%	78.44%	83.66%	下载链接

说明： SAST模型训练额外加入了icdar2013、icdar2017、COCO-Text、ArT等公开数据集进行调优。PaddleOCR用到的经过整理格式的英文公开数据集下载：百度云地址 (提取码: 2bpi)

PaddleOCR文本检测算法的训练和使用请参考文档教程中模型训练/评估中的文本检测部分。

2.文本识别算法

PaddleOCR基于动态图开源的文本识别算法列表：

• CRNN(paper)[7]（ppocr推荐）
• Rosetta(paper)[10]
• STAR-Net(paper)[11]
• RARE(paper)[12]
• SRN(paper)[5]

参考[DTRB]3文字识别训练和评估流程，使用MJSynth和SynthText两个文字识别数据集训练，在IIIT, SVT, IC03, IC13, IC15, SVTP, CUTE数据集上进行评估，算法效果如下：

模型	骨干网络	Avg Accuracy	模型存储命名	下载链接
Rosetta	Resnet34_vd	80.9%	rec_r34_vd_none_none_ctc	下载链接
Rosetta	MobileNetV3	78.05%	rec_mv3_none_none_ctc	下载链接
CRNN	Resnet34_vd	82.76%	rec_r34_vd_none_bilstm_ctc	下载链接
CRNN	MobileNetV3	79.97%	rec_mv3_none_bilstm_ctc	下载链接
StarNet	Resnet34_vd	84.44%	rec_r34_vd_tps_bilstm_ctc	下载链接
StarNet	MobileNetV3	81.42%	rec_mv3_tps_bilstm_ctc	下载链接
RARE	MobileNetV3	82.5%	rec_mv3_tps_bilstm_att	下载链接
RARE	Resnet34_vd	83.6%	rec_r34_vd_tps_bilstm_att	下载链接
SRN	Resnet50_vd_fpn	88.52%	rec_r50fpn_vd_none_srn	下载链接

PaddleOCR文本识别算法的训练和使用请参考文档教程中模型训练/评估中的文本识别部分。