OCR技术有着丰富的应用场景，包括已经在日常生活中广泛应用的面向垂类的结构化文本识别，如车牌识别、银行卡信息识别、身份证信息识别、火车票信息识别等等，此外，通用OCR技术也有广泛的应用，如在视频场景中，经常使用OCR技术进行字幕自动翻译、内容安全监控等等，或者与视觉特征相结合，完成视频理解、视频搜索等任务。

OCR文字检测和识别目前的主流方法大多是采用深度学习技术，这从ICDAR2015自然场景排名前列的应用方法可以明显看出。深度学习技术在一些垂类场景，文本识别精准度已经可以达到99%以上，取得了非常好的效果。

但在实际应用中，尤其是在广泛的通用场景下，OCR技术也面临一些挑战，比如仿射变换、尺度问题、光照不足、拍摄模糊等技术难点；另外OCR应用常对接海量数据，但要求数据能够得到实时处理；并且OCR应用常部署在移动端或嵌入式硬件，而端侧的存储空间和计算能力有限，因此对OCR模型的大小和预测速度有很高的要求。

在这样的背景下，飞桨首次开源文字识别模型套件PaddleOCR，目标是打造丰富、领先、实用的文本识别模型/工具库。首阶段的开源套件推出了重磅模型：8.6M超轻量中英文识别模型。用户既可以很便捷的直接使用该超轻量模型，也可以使用开源套件训练自己的超轻量模型。

项目地址： https://github.com/PaddlePaddle/PaddleOCR

内容中包含的图片若涉及版权问题，请及时与我们联系删除