评测PHOCR中文文本识别模型
引言
PHOCR 是一个高性能的开源光学字符识别（OCR）工具包，专为多语种文本识别任务设计，支持包括中文、日文、韩文、俄文、越南文和泰文在内的多种语言。PHOCR 搭载了我们完全自研的识别模型 PH-OCRv1，在准确率上显著优于现有解决方案。
– PHOCR
最近，有个社区小伙伴新建立了一个PHOCR，里面的文本识别模型据说效果超越PP-OCRv5:
至于真实效果如何呢？还需要自己来看一下。
以下代码运行环境
- OS: macOS Sequoia 15.6
- Python: 3.10.14
- phocr: 1.0.3
- datasets
- text_rec_metric
评测
由于评测数据集的限制，以下评测结果不完全代表模型能力，支持给出一个基本参考。小伙伴们还需要在自己场景下真实评测来看哈。
该部分主要使用TextRecMetric和测试集text_rec_test_dataset来评测。
测试集结果识别
import timeimport cv2
import numpy as np
from datasets import load_dataset
from tqdm import tqdmfrom phocr import PHOCR, LangRecengine = PHOCR(params={"Rec.lang_type": LangRec.CH})dataset = load_dataset("SWHL/text_rec_test_dataset")
test_data = dataset["test"]content = []
for i, one_data in enumerate(tqdm(test_data)):img = np.array(one_data.get("image"))img = cv2.cvtColor(img, cv2.COLOR_RGB2BGR)t0 = time.perf_counter()result = engine(img, use_rec=True, use_cls=False, use_det=False)elapse = time.perf_counter() - t0rec_text = result.txts[0]if len(rec_text) <= 0:rec_text = ""elapse = 0gt = one_data.get("label", None)content.append(f"{rec_text}\t{gt}\t{elapse}")with open("pred.txt", "w", encoding="utf-8") as f:for v in content:f.write(f"{v}\n")
计算评测指标
from text_rec_metric import TextRecMetricmetric = TextRecMetric()pred_path = "pred.txt"
metric = metric(pred_path)
print(metric)
{'ExactMatch': 0.6452, 'CharMatch': 0.7648, 'avg_elapse': 0.0613}
结论
| 模型 | 模型大小 | Exact Match | Char Match | Speed(s/img) |
|---|---|---|---|---|
| PHOCR v1.0.3 | 224M | 0.6452 | 0.7648 | 0.0613 |
| ch_PP-OCRv5_rec_infer.onnx | 16M | 0.7355 | 0.9177 | 0.0713 |
| ch_PP-OCRv5_rec_server_infer.onnx | 81M | 0.8129 | 0.9431 | 0.1133 |
上面结果和PP-OCRv5比较来看，差距还是不小的。可能是测试集的不同，导致指标差距明显。但是速度的确快一些。⚠️注意：仅供参考哈。
RapidOCR这里暂时不做集成，后续会持续关注PHOCR这里。
完整的评测结果比较：文本识别模型比较