yichael/AndroidRemoteController @ 3618d6ed53ab93b18255686fe2353e853603eb24

如果项目对您有帮助，欢迎点击右上角 Star 支持！✨

OnnxOCR

基于 ONNX 的高性能多语言 OCR 引擎

🚀 版本更新

2025.05.21
1. 新增 PP-OCRv5 模型，单模型支持 5 种文字类型：简体中文、繁体中文、中文拼音、英文和日文。
2. 整体识别精度相比ppocrv4提升13个百分点
3. 精度与Paddleocr3.0保持一致。

🌟 核心优势

脱离深度学习训练框架：可直接用于部署的通用 OCR。
跨架构支持：在算力有限、精度不变的情况下，使用 PaddleOCR 转成 ONNX 模型，重新构建的可部署在 ARM 架构和 x86 架构计算机上的 OCR 模型。
高性能推理：在同样性能的计算机上推理速度加速。
多语言支持：单模型支持 5 种文字类型：简体中文、繁体中文、中文拼音、英文和日文。
模型精度：与 PaddleOCR 模型保持一致。
国产化适配：重构代码工程架构，只需简单进行推理引擎的修改，即可适配更多国产化显卡。

🛠️ 环境安装

python>=3.6  

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt

注意：

默认使用 Mobile 版本模型，使用 PP-OCRv5_Server-ONNX 模型效果更佳。
Mobile 模型已存在于 onnxocr/models/ppocrv5 下，无需下载；
PP-OCRv5_Server-ONNX 模型过大，已上传至百度网盘（提取码: wu8t），下载后将 det 和 rec 模型放到 ./models/ppocrv5/ 下替换即可。

🚀 一键运行

python test_ocr.py

📡 API 服务（CPU 示例）

启动服务

python app-service.py

测试示例

请求

curl -X POST http://localhost:5005/ocr \  
-H "Content-Type: application/json" \  
-d '{"image": "base64_encoded_image_data"}'

响应

{  
  "processing_time": 0.456,  
  "results": [  
    {  
      "text": "名称",  
      "confidence": 0.9999361634254456,  
      "bounding_box": [[4.0, 8.0], [31.0, 8.0], [31.0, 24.0], [4.0, 24.0]]  
    },  
    {  
      "text": "标头",  
      "confidence": 0.9998759031295776,  
      "bounding_box": [[233.0, 7.0], [258.0, 7.0], [258.0, 23.0], [233.0, 23.0]]  
    }  
  ]  
}

🐳 Docker 镜像环境（CPU）

镜像构建

docker build -t ocr-service .

镜像启动

docker run -itd --name onnxocr-service-v3 -p 5006:5005 onnxocr-service:v3

POST 请求

url: ip:5006/ocr

返回值示例

{  
  "processing_time": 0.456,  
  "results": [  
    {  
      "text": "名称",  
      "confidence": 0.9999361634254456,  
      "bounding_box": [[4.0, 8.0], [31.0, 8.0], [31.0, 24.0], [4.0, 24.0]]  
    },  
    {  
      "text": "标头",  
      "confidence": 0.9998759031295776,  
      "bounding_box": [[233.0, 7.0], [258.0, 7.0], [258.0, 23.0], [233.0, 23.0]]  
    }  
  ]  
}