PaddleOCR выпустила PP-OCRv6: распознавание текста на 50 языках от 1,5 до 34,5 млн параметров

أطلقت Baidu PaddlePaddle PP-OCRv6 على Hugging Face — جيل جديد من نماذج OCR الشاملة التي تتعرف على النصوص في 50 لغة ضمن معمارية واحدة. تتراوح تحسينات الأداء في المقاييس الرئيسية مقارنة بإصدار الخادم السابق من 4.6 إلى 5.1 نقطة مئوية، والحد الأدنى لعائلة النماذج يناسب 1.5 مليون معامل.

ثلاث تكوينات لمهام مختلفة

يأتي PP-OCRv6 بثلاث متغيرات: Tiny و Small و Medium. يغطي نطاق المعاملات — من 1.5 إلى 34.5 مليون — الطيف من الأنظمة المدمجة ذات قيود الذاكرة الصارمة إلى خطوط أنابيب الخادم حيث تكون الدقة القصوى حاسمة.

المقاييس الرئيسية للتكوينات الثلاثة:

• Tiny (1.5 مليون معامل) — الكشف 80.6% Hmean، الاعتراف 73.5%
• Small (7.7 مليون معامل) — الكشف 84.1% Hmean، الاعتراف 81.3%
• Medium (34.5 مليون معامل) — الكشف 86.2% Hmean، الاعتراف 83.2%

تدعم إصدارات Small و Medium 50 لغة ضمن نموذج واحد: الصينية المبسطة والتقليدية والإنجليزية واليابانية و46 لغة قائمة على الحروف اللاتينية. يؤدي هذا إلى القضاء على الحاجة إلى الحفاظ على نماذج لغوية منفصلة وتحديثها — وهي واحدة من أعقد العقبات التشغيلية في خطوط أنابيب OCR الإنتاجية التي تخدم الجماهير العالمية.

تم تصميم إصدار Tiny للسيناريوهات التي تكون سرعة الاستدلال فيها أولوية في ظل موارد حسابية محدودة، والتغطية الشاملة للغة ليست حاسمة.

المعمارية: نوى كبيرة واهتمام خفيف الوزن

تم بناء جميع التكوينات الثلاثة على عمود فقري موحد PPLCNetV4 يجمع بين مهام الكشف والاعتراف بالنص. يقلل التوحيد من تكاليف الصيانة ويبسط الانتقالات بين أحجام النماذج دون إعادة بناء خط الأنابيب.

يستخدم الكشف عن النص RepLKFPN — هرم خصائص خفيف الوزن يعتمد على نوى الالتفاف الكبيرة. يتيح هذا التصميم معالجة متزامنة للنص بأحجام مختلفة: من الخطوط الصغيرة في المستندات القانونية إلى الأحرف الكبيرة على الملصقات الصناعية واللافتات الشارعية.

يتم التعامل مع الاعتراف بواسطة EncoderWithLightSVTR — هجين من نمذجة السياق المحلي وآليات الاهتمام العالمي.

تم اختبار النماذج على مجموعة واسعة من السيناريوهات الصناعية: المستندات التجارية وجاهزية لقطات الواجهة والفواتير والشاشات الرقمية واللافتات والنص في المشاهد الطبيعية. بالمقارنة مع PP-OCRv5_server، كانت التحسينات +4.6 نقطة مئوية في الكشف و+5.1 نقاط مئوية في الاعتراف.

ثلاثة مسارات للإنتاج

يوفر PaddleOCR 3.7 واجهة برمجية موحدة لثلاثة backends للنشر:

• Transformers — التكامل الأصلي مع Hugging Face Hub وخطوط أنابيب PyTorch بدون تكوين إضافي
• ONNX Runtime — صيغة متعددة المنصات بدون تبعيات الإطار؛ مناسب للبنية الأساسية غير المتجانسة التي تمزج Python و C++ والعملاء المحمولين
• Paddle Inference — صيغة أصلية لأداء أقصى في بنية Baidu الأساسية

تم نشر مجموعة من 19 نموذجًا على Hugging Face: إصدارات safetensors وملفات استدلال Paddle ومتغيرات ONNX — نقاط تحقق منفصلة للكشف والاعتراف بكل حجم.

يعيد الاستدلال نوعين من البيانات: JSON منظم مع إحداثيات صناديق الحدود والنص المعترف به، بالإضافة إلى صورة مع التصور للمهام التي تتطلب التحقق البصري.

لاختبار سريع بدون تثبيت الحزم، تتوفر عرض توضيحي تفاعلي على Hugging Face Spaces.

ما يعني هذا

يعالج PP-OCRv6 تحديين عمليين في نفس الوقت: التغطية متعددة اللغات بدون انتشار النماذج المنفصلة ومرونة النشر بدون ارتباط وثيق بنظام PaddlePaddle البيئي.

يجعل التوفر على Hugging Face المكتبة متاحة لأي فريق Python — بالنسبة لمهام المستندات متعددة اللغات، فهي الآن واحدة من أكثر الخيارات إحكاما وموثقة بشكل جيد في المصدر المفتوح.