【官方】十分钟掌握PaddleOCR文字检测使用

---

PaddleOCR是百度开源的超轻量级OCR模型库，提供了数十种文本检测、识别模型，旨在打造一套丰富、领先、实用的文字检测、识别模型/工具库，助力使用者训练出更好的模型，并应用落地。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

PP-OCRv3策略简要介绍

PaddleOCR是百度开源的超轻量级OCR模型库，提供了数十种文本检测、识别模型，旨在打造一套丰富、领先、实用的文字检测、识别模型/工具库，助力使用者训练出更好的模型，并应用落地。同时PaddleOCR也几经更新， 在2025.5.9 发布最新版本PaddleOCR release/2.5 ：

• 发布PP-OCRv3，速度可比情况下，中文场景效果相比于PP-OCRv2再提升5%，英文场景提升11%，80语种多语言模型平均识别准确率提升5%以上；
• 发布半自动标注工具PPOCRLabelv2：新增表格文字图像、图像关键信息抽取任务和不规则文字图像的标注功能；
• 发布OCR产业落地工具集：打通22种训练部署软硬件环境与方式，覆盖企业90%的训练部署环境需求；
• 发布交互式OCR开源电子书《动手学OCR》，覆盖OCR全栈技术的前沿理论与代码实践，并配套教学视频。

本教程主要介绍PP-OCRv3的文本检测的CML蒸馏训练方式，包含模型训练、评估、预测等内容。

1. PP-OCRv3检测快速使用

PP-OCRv3在PP-OCRv2的基础上进一步升级。 PP-OCRv3采用PP-OCRv2的CML蒸馏策略，在蒸馏的student模型、teacher模型精度提升、CML蒸馏策略上分别做了优化。 PP-OCRv3模型优化策略介绍参考：https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.5/doc/doc_ch/PP-OCRv3_introduction.md

1.1. 运行环境准备

首先，克隆GitHub上PaddleOCR的代码库，并安装相应的依赖库：

In [ ]

#如果代码克隆较慢，请使用gitee上的PaddleOCR代码：https://gitee.com/paddlepaddle/PaddleOCR.git#!git clone  https://github.com/paddlepaddle/PaddleOCR.git!git clone  https://gitee.com/paddlepaddle/PaddleOCR.git

In [ ]

# 切换到PaddleOCR目录%cd ~/PaddleOCR# 切换到PaddleOCR dygraph分支!git checkout dygraph# 安装依赖!pip install -r requirements.txt -i https://mirror.baidu.com/pypi/simple

1.2. PP-OCRv3检测模型介绍

PP-OCRv3采用CML的蒸馏策略，训练配置文件为configs/det/ch_PP-OCRv3/ch_PP-OCRv3_det_cml.yml，CML蒸馏训练策略包含三个模型，分别是蒸馏教师模型以及两个蒸馏学生模型。

网络结构配置如下：

In [ ]

Architecture:
  name: DistillationModel
  algorithm: Distillation
  model_type: det
  Models:                   
    Student:                 # CML蒸馏的Student模型配置
      model_type: det
      algorithm: DB
      Transform: null
      Backbone:
        name: MobileNetV3    # Student模型backbone使用mobilev3
        scale: 0.5
        model_name: large
        disable_se: true
      Neck:
        name: RSEFPN         # Student模型neck部分使用PaddleOCR中的RSEFPN
        out_channels: 96
        shortcut: True
      Head:
        name: DBHead
        k: 50
    Student2:                # Student2模型的配置同Student
      model_type: det
      algorithm: DB
      Transform: null
      Backbone:
        name: MobileNetV3
        scale: 0.5
        model_name: large
        disable_se: true
      Neck:
        name: RSEFPN
        out_channels: 96
        shortcut: True
      Head:
        name: DBHead
        k: 50
    Teacher:                 # Teacher模型配置
      freeze_params: true
      return_all_feats: false
      model_type: det
      algorithm: DB
      Backbone:
        name: ResNet         # Teacher使用resnet50作为backbone 
        in_channels: 3
        layers: 50         
      Neck:
        name: LKPAN          # Teacher模型使用PaddleOCR中的LKPAN作为neck网络
        out_channels: 256
      Head:
        name: DBHead
        kernel_list: [7,2,2]  
        k: 50

注：PP-OCRv3模型分别在网络结构做了以下优化

• Student模型使用RSEPAN提升模型召回和精度；
• Teacher模型使用LKPAN提升模型精度和召回；

详细策略介绍参考链接： https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.5/doc/doc_ch/PP-OCRv3_introduction.md

2. 训练文字检测模型

2.1. 准备训练数据

本教程以HierText数据集为例，介绍PP-OCRv3检测模型的蒸馏训练方式。 HierText是第一个具有自然场景和文档中文本分层注释的数据集。该数据集包含从 Open Images 数据集中选择的 11639 张图像，提供高质量的单词 (~1.2M)、行和段落级别的注释。HierText数据集下载地址： https://github.com/google-research-datasets/hiertext

值得注意的是该数据集的标注格式与ppocrlabel格式不一样，我们需要对其数据标签格式进行相应的转换。

您可以从AI Studio中直接下载标签格式转换后的HierText数据集： https://aistudio.baidu.com/aistudio/datasetdetail/143700

本教程中已经下载好了HierText数据集,并存放在~/data/data143700/文件夹中。运行如下指令，完成数据集解压：

In [3]

# 准备数据集!cd ~/data/data143700/ && tar xf hiertext1.tar && mv hiertext1 hiertext && mkdir ~/PaddleOCR/train_data/ && mv hiertext ~/PaddleOCR/train_data/

运行上述命令后，在PaddleOCR/train_data/ 目录下包含以下文件：

~/train_data/hiertext
  └─ train/     HierText训练集数据
  └─ validation/     HierText验证集数据
  └─ label_hiertext_train.txt  HierText训练集的行标注
  └─ label_hiertext_val.txt    HierText验证集的行标注

其中，paddleocr支持的标注文件格式为：

" 图像文件的路径               json.dumps编码的图像标注信息"hiertext/train/1b1b8bd73eb47995.jpg	   [{"points": [[758, 283], [971, 267], [972, 279], [758, 294]], "transcription": "We are not programming in 1969 anymore"}, ...]

其中图像标注信息中包含两种参数：

• $points$points表示文本框的四个点的绝对坐标(x, y)，从左上角的点开始顺时针排列。
• $transcription$transcription表示当前文本框的文字内容，在文本检测任务中无需使用这个信息。

如果您想在其他数据集上训练PaddleOCR，可以按照上述形式构建标注文件。

简小派

简小派是一款AI原生求职工具，通过简历优化、岗位匹配、项目生成、模拟面试与智能投递，全链路提升求职成功率，帮助普通人更快拿到更好的 offer。

123 查看详情

之后您需要修改训练配置文件ch_PP-OCRv3_det_cml.yml中的训练数据为HierText数据。

• 修改训练数据配置：

In [ ]

Train:
  dataset:
    name: SimpleDataSet
    data_dir: ./train_data/icdar2015/text_localization/
    label_file_list:
      - ./train_data/icdar2015/text_localization/train_icdar2015_label.txt

修改为：

In [ ]

Train:
  dataset:
    name: SimpleDataSet
    data_dir: ./train_data/
    label_file_list:
      - ./train_data/hiertext/label_hiertext_train.txt

• 修改验证数据配置：

In [ ]

Eval:
  dataset:
    name: SimpleDataSet
    data_dir: ./train_data/icdar2015/text_localization/
    label_file_list:
      - ./train_data/icdar2015/text_localization/test_icdar2015_label.txt

修改为：

In [ ]

Eval:
  dataset:
    name: SimpleDataSet
    data_dir: ./train_data/
    label_file_list:
      - ./train_data/hiertext/label_hiertext_val.txt

2.2. 启动训练

下载PP-OCRv3的蒸馏预训练模型并进行训练的方式如下

In [ ]

#下载预训练模型到~/PaddleOCR/pre_train文件夹下!mkdir ~/PaddleOCR/pre_train
%cd ~/PaddleOCR/pre_train
!wget https://paddleocr.bj.bcebos.com/PP-OCRv3/chinese/ch_PP-OCRv3_det_distill_train.tar
!tar xf ch_PP-OCRv3_det_distill_train.tar

In [ ]

# 启动训练，训练模型默认保存在output目录下，加载PP-OCRv3检测预训练模型%cd ~/PaddleOCR
!python3 tools/train.py -c configs/det/ch_PP-OCRv3/ch_PP-OCRv3_det_cml.yml -o Global.s*e_model_dir=./output/ Global.pretrained_model=./pre_train/ch_PP-OCRv3_det_distill_train/best_accuracy

如果要使用多GPU分布式训练，请使用如下命令：

In [ ]

# 启动训练，训练模型默认保存在output目录下，--gpus '0,1,2,3'表示使用0，1，2，3号GPU训练!python3 -m paddle.distributed.launch --log_dir=./debug/ --gpus '0,1,2,3' tools/train.py -c configs/det/ch_PP-OCRv3/ch_PP-OCRv3_det_cml.yml -o Global.s*e_model_dir=./output/ Global.pretrained_model=./pre_train/ch_PP-OCRv3_det_distill_train/best_accuracy

2.3. 模型评估

训练过程中保存的模型在output目录下，包含以下文件：

In [ ]

best_accuracy.states    
best_accuracy.pdparams  # 默认保存最优精度的模型参数best_accuracy.pdopt     # 默认保存最优精度的优化器相关参数latest.states    
latest.pdparams  # 默认保存的最新模型参数latest.pdopt     # 默认保存的最新模型的优化器相关参数

其中，best_accuracy是保存的最优模型，可以直接使用该模型评估

In [ ]

# 进行模型评估%cd ~/PaddleOCR/
!python3 tools/eval.py -c configs/det/ch_PP-OCRv3/ch_PP-OCRv3_det_cml.yml -o Global.checkpoints=./output/best_accuracy

2.4. 基于训练模型的预测

使用上述步骤训练好的模型，测试文本检测效果。我们在 ./doc/imgs_en/文件夹下准备了一些测试图像，您也可以上传自己的图像测试我们的OCR检测模型。

In [ ]

# 进行检测%cd ~/PaddleOCR/
!python3 tools/infer_det.py -c configs/det/ch_PP-OCRv3/ch_PP-OCRv3_det_cml.yml -o Global.checkpoints=./output/best_accuracy Global.infer_img=./doc/imgs_en/img_12.jpg

预测可视化的图像默认保存在./checkpoints/det_db/目录下，运行下述代码进行可视化

In [7]

import matplotlib.pyplot as pltfrom PIL import Image## 显示原图，读取名称为12.jpg的测试图像img_path= "./checkpoints/det_db/det_results_Student/img_12.jpg"img = Image.open(img_path)
plt.figure("test_img", figsize=(10,10))
plt.imshow(img)
plt.show()

<Figure size 720x720 with 1 Axes>

2.5. 基于预测引擎预测

模型训练好后，可以将模型固化为文件，以便于部署

运行如下指令，可将训练好的模型导出为预测部署模型

In [ ]

# 导出为预测部署模型%cd ~/PaddleOCR/
!python3 tools/export_model.py -c configs/det/ch_PP-OCRv3/ch_PP-OCRv3_det_cml.yml -o Global.checkpoints=./output/best_accuracy Global.s*e_inference_dir=./inference/

运行完后，导出的预测部署模型位于inference目录下，组织结构为：

inference├── Student      # 保存的精度最高的Student模型│   ├── inference.pdiparams
│   ├── inference.pdiparams.info│   └── inference.pdmodel
├── Student2    # CML训练方法中的第二个student模型，精度低于Student│   ├── inference.pdiparams
│   ├── inference.pdiparams.info│   └── inference.pdmodel
└── Teacher     # 蒸馏教师模型
    ├── inference.pdiparams
    ├── inference.pdiparams.info
    └── inference.pdmodel

Student下的模型为导出的精度最高的模型。下面以Student的inference模型为例，介绍inference模型的使用方法。

注：关于inference模型的更多使用示例，参考： https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.5/doc/doc_ch/inference_ppocr.md

In [ ]

# 使用inference模型进行文字检测%cd ~/PaddleOCR/
!python3 tools/infer/predict_det.py --image_dir=./doc/imgs_en/img_10.jpg --det_model_dir=./inference/Student/

In [10]

## 显示轻量级模型识别结果## 可视化det_res_img_10.jpg的文本检测效果import matplotlib.pyplot as pltfrom PIL import Image
img_path= "./inference_results/det_res_img_10.jpg"img = Image.open(img_path)
plt.figure("results_img", figsize=(20,20))
plt.imshow(img)
plt.show()

<Figure size 1440x1440 with 1 Axes>

以上就是【官方】十分钟掌握PaddleOCR文字检测使用的详细内容，更多请关注其它相关文章！

# 开源  # 全网推广 营销  # 邯郸网站建设有哪些优势  # 教育怎么样抖音推广营销  # 网站制作推广计划  # 杭州seo优化排行  # 优化网站价格  # 房产网站的推广  # seo快排软件网销  # 抖音关键词搜索排名合作公司  # 新媒体营销推广策略分析  # 官网  # 配置文件  # 为例  # 中文网  # 请使用  # python  # 最优  # 十分钟  # 目录下  # 一言  # type  # fig  # udio  # igs  # red  # 排列  # 百度  # ai  # 工具  # git 

相关栏目： 【 Google疑问12 】 【 Facebook疑问10 】 【 优化推广96088 】 【 技术知识133117 】 【 IDC资讯59369 】 【 网络运营7196 】 【 IT资讯61894 】

相关推荐： 新闻传闻：迪士尼可能采用人工智能来控制电影制作成本  美图设计室2.0新增哪些功能  人工智能在交通领域的革新：智能解决方案彻底改变交通方式  站在社会的高度理解人工智能  消息称 Meta Quest 将推 VR 游戏订阅：每月 7.99 美元，任选两款  7大探索区域打造沉浸式玩乐“元宇宙” 昆明京东MALL未来科技探索官全城招募中  OpenAI 已全面开放 GPT-3.5 Turbo、DALL-E 及 Whisper API  自己动手使用AI技术实现数字内容生产  借力AI！PCB全球巨头，有爆发潜质吗？  智能机器人正在彻底改变客户服务  携程发布旅游行业垂直大模型 梁建章：AI策略是做可靠的内容 放心的推荐  【机智云物联网低功耗转接板】远程环境数据采集探索  2025世界人工智能大会成功召开  世界人工智能大会|“AI领航，共筑未来”高端保险论坛成功举办  普林斯顿Infinigen矩阵开启！AI造物主100%创造大自然，逼真到炸裂  宇宙探索下一阶段，机器代替人类，AI会在太空探索中取代人类吗？  腾讯自主研发机器狗 Max 升级，可“奔跑跳跃”完成避障动作  借助ChatGPT快速上手ElasticSearch dsl  AI立法迫在眉睫，如何看对行业影响？  联通发布鸿湖图文AI大模型1.0，可实现以文生图  马斯克反讽人工智能AI炒作：“机器学习”本质就是统计  马斯克称人类是半机器人，记忆外包给了电脑  Vision Pro 太贵，苹果基于 iPhone 的 VR 头显专利曝光  江永：精准施训提升通信无人机应急救援能力  脑机接口产业联盟发布十大脑机接口关键技术  OpenAI CEO 阿尔特曼到访日本，对全球 AI 协调合作表示乐观  AI无法对传统文化符号进行解构和创新  为什么很多人对纽约《人工智能招聘法》感到生气？  定义人工智能的十个关键术语  Hugging Face发布了基于NASA卫星数据构建的AI地理空间基础模型  首个算网生态体！中国移动元宇宙产业联盟正式成立  国产医疗企业的人工智能  看似低调，实则稳健：字节在AI路上会遇到什么？  利好来了，AI再起一波？  扎克伯格吐槽苹果Vision Pro：社交落后Meta太多，无法建设元宇宙  华为昇腾AI原生支持30多种基础大模型，包括GPT  AI智能室内效果图设计软件效果，确实惊到我了！  “具身智能”引爆机器人产业，看绝影Lite3/X20四足机器人有何特别之处？  美的推出 AI 双视精准避障的自动集尘扫拖机器人 V12，售价仅为2999元  AI成政客博弈工具，美国大选真假难辨，律师们的生意来了  智能化解决方案：保障数据安全阻击泄露和丢失  周鸿祎参加中美青年科技创新峰会，分享人工智能创新机遇  腾讯汤道生：大模型只是起点，产业落地是AI更大的应用场景  标贝科技亮相国际顶会ICASSP2025 加速布局海外AI数据市场  为AI而服务设计：构建以人为本的AI创新方法  “聚智启新，‘蓉’力同行” 成都市人工智能产业融通对接会成功举办  多家欧洲企业签署公开信，批评欧盟 AI 法案草案限制产业发展  关于开展“与AI共创未来”——2025年全国青少年人工智能创新实践活动的通知  AI进军债券交易，BondGPT来了！  卫星通信牵引物联网竞争升维，模组厂商如何决胜百亿市场？ 

 2025-07-16