我最近遇到了PaddleOCR，我想知道这个OCR系统与Tesseract相比如何。是否有可用的数据或基准？
我已经在一些研究中使用这两种方法将近一年了。我可以说，每一种都有其完美的用途。
PaddleOCR PROs:
- 如果文本以非90度旋转旋转，PaddleOCR仍然可以正确检测某些文本，但即使使用OSD，Tesseract也无法做到这一点
- 您可以使用检测结果来修复旋转，但Tesseract可能会检索到无意义的结果
- 如果无法对图像进行二进制化，则当图像处于RGB/BGR时，PaddleOCR比Tesseract工作得更好
Tesseract PROs:
- PaddleOCR在检测空间方面存在严重问题，即使在操作参数之后也是如此，但他们正在下一次升级中修复此问题。Tesseract没有明显的空间问题
- Tesseract在处理扫描文档方面更好
- 图像分割模式起到了拯救作用，对改善结果有很大帮助
- 带有长文本的二值化图像的Tesseract结果通常比PaddleOCR更好
- Tesseract在检测符号方面要好得多
- Tesseract在CPU上更快
简而言之，使用Tesseract非常适合扫描文档，使用PaddleOCR非常适合通用计算机视觉项目。
我使用Tesseract有一段时间了，但它的准确性很差，例如数字4被识别为a，1被识别为]，8被识别为&等等，
现在我切换到了桨板OCR，当使用良好的检测/分类和识别模型时，它有很好的识别水平。
在文本识别方面，将Tesseract OCR结果与桨板OCR结果进行比较，桨板OCR胜过Tesseract。
然而，它仍然解决了paddingOCR的一些问题，有时空格缺失，一些单词/数字不能很好地识别，即使图像质量很好。
我已经做了一项研究来解决这个问题，我看到了6种可能的解决方案：
1.后处理桨板OCR的输出：
为了更好地识别您正在处理的不同类型的信息。在研究如何提高桨板OCR结果效率之前，我已经默认实现了这个解决方案。但它已经结束了，变化越来越多，它们将变得难以控制。
我还使用tabula来获取识别错误的文本，只将其用于遇到识别失败的区域。
2.使用拼写更正：
您可以使用拼写更正库(如pyspellchecker或autocorrect)来更正已识别文本中的任何拼写错误。
3.在数据集上越来越多地训练你的桨板OCR模型：这就是我目前正在做的，我正在尝试在自己的数据集上训练桨板OCR，我使用labelimg进行注释来准备数据集，我还开发了一个脚本来自动生成labelimg的注释，然后我快速检查它们以更正识别错误，这种技术使我能够减少准备这些数据集所花费的时间
4.使用语言模型：您可以使用GPT-3或BERT等语言模型对识别的文本进行后处理。这些工具用于自然语言理解和回答，你可以训练它们识别你的文本。这将是下一步，我将使用
5.使用后处理管道：您可以创建一个自定义后处理管道，该管道使用拼写校正库和语言表示模型的组合。
6.您更改OCR：探索其他OCR，目前我不认为要更改paddOCR，因为它有很好的识别水平，但一切皆有可能。
我发现PaddleOCR 2和Tesseract 4之间有比较，但仅适用于英语文本。简要总结：
- PaddleOCR在CPU上比Tesseract稍慢，但在GPU支持下，它在标准GPU上比Teseract慢46%
- 在没有后期处理的情况下，PaddleOCR主要会出现单词和标点符号之间缺少空格的错误。然而，这些错误可以很容易地纠正。经过后处理后，精度与Tesseract相当(降低1%)
- 预先训练的英语模型的文件大小仅为Tesseracts英语列车数据的10%(2MB比23MB)
对于目前似乎是PaddleOCR的主要优先事项的中文文本，情况可能会有所不同。
最近PaddleOCR更新了v3版本，英语空间问题得到了显著改善。我试了一下英语模式，效果很好。
在文档场景中，PaddleOCR可以实现95%以上的准确率。但是Tesseract可能对一些有节奏的人物感到困惑。
特别是PaddleOCR在一些非拉丁语言中的表现超出了我的想象。例如阿拉伯语，效果远好于EasyOCR和Tesseract
强烈推荐PaddleOCR
我用它们测试了英语和日语，但有趣的是，PaddleOCR似乎比Tesseract更能识别这两种语言。PaddleOCR的文本检测似乎也更好。然而，根据他们的帖子，PaddleOCR无法很好地处理空间，也有非中国(或日本)用户的投诉。PaddleOCR非常渴望结合作为研究论文发表的最新识别/检测算法，为此我决定使用PaddleOCR。