PP-OCRv6 86,2%-os detektálási pontossággal, 50 nyelven

Mire képes a modell

A PP-OCRv6_medium 86,2 %-os detektálási H-mean és 83,2 %-os felismerési pontosságot ér el, ami 4,6 százalékpontos javulást jelent a detektálásban és 5,1-et a felismertetésben a PP-OCRv5_serverhez képest — írja a Hugging Face. A számok a PaddleOCR belső benchmarkjei alapján vannak, független ellenőrzés hiányzik.

Architektúra és új elemek

Az új generáció egységes PPLCNetV4 hátlappal működik, a szövegdetektálást a RepLKFPN könnyű nagy-kernelű piramis hálózat biztosítja, a felismerést pedig az EncoderWithLightSVTR kombinálja, amely helyi kontextust és globális figyelmet egyesít.

Kapcsolódó: Nvidia Nemotron OCR v2

Modellméretek és nyelvi lefedettség

Három méret közül választhat: a PP-OCRv6_tiny 1,5 M paraméterrel 80,6 %-os detektálást és 73,5 %-os felismerést nyújt, a PP-OCRv6_small 7,7 M paraméterrel 84,1 % és 81,3 % pontosságot ér el, a PP-OCRv6_medium 34,5 M paraméterrel 86,2 % és 83,2 % értékeket produkál. A medium és a small változat egy modellcsaládban 50 nyelvet támogat, köztük kínai, japán és 46 latin-betűs nyelvet.

Kapcsolódó: Hugging Face TRL v1.0

Rugalmas telepítési lehetőségek

A modell három futtatási háttérrel kompatibilis: a Paddle Inference natív környezet, a Transformers backend a Hugging Face-hez, valamint az ONNX Runtime portabilis megoldás, így a fejlesztők könnyen integrálhatják különböző platformokon.

Kapcsolódó: Photoroom képgenerátor modell

Alkalmazási területek

A tiny változat ideális szél-eszközökön és alacsony késleltetésű demókon, a small változat mobil- és asztali alkalmazásokhoz, a medium változat pedig szerver-oldali, ipari címkék és dokumentum-beolvasás feladataira alkalmas, ahol a magas pontosság kulcsfontosságú.

Kapcsolódó: DeepSeek multimodális modell

Elérhetőség

A PP-OCRv6 június 22-én jelent meg a Hugging Face Hub-on, a PaddlePaddle ingyenes letöltést biztosít, a modellek safetensors, Paddle-inference és ONNX formátumban érhetők el.

Kapcsolódó: NVIDIA Nemotron 3 Ultra