OCR的基本概念和开源项目介绍

深度学习和OCR

• OCR基本概念

• 开源项目

• [多模态大模型------OCR free](#多模态大模型——OCR free)

• 在当今多模态大模型横行的时代，已经没有人再去研究OCR了

OCR基本概念

• OCR是目标检测类项目，但又不完全是目标检测。它是 行级语义
• OCR问题最有效解决方案：
• OCR问题：
  • 第1阶段： 检测出行级文本区域
  • 第2阶段： 识别这行的文字

开源项目

• 做的最好的开源项目：PaddleOCR
  • https://gitee.com/paddlepaddle/PaddleOCR/
• 也可以在 ModelScope上面找到开源项目：
  • 读光-文字检测-DBNet行检测模型-中英-通用领域

多模态大模型------OCR free

• 文心一言：https://yiyan.baidu.com/
• 通义千问：https://tongyi.aliyun.com/qianwen/
• 大模型已经基本统一 LP ，即将统一 CV 。所以，拥抱大模型吧。