DAVAR-Lab-OCR简介
DAVAR-Lab-OCR是由海康威视研究院DAVAR实验室开发的开源OCR(光学字符识别)工具箱。该项目旨在为学术界和工业界提供一个全面的OCR解决方案,集成了多种先进的文字检测、识别和场景文本理解算法。
DAVAR-Lab-OCR的主要特点包括:
-
开源性:项目完全开源,采用Apache 2.0许可证,方便研究人员和开发者使用和改进。
-
算法丰富:集成了多种OCR相关算法,涵盖文本检测、文本识别、端到端文本识别等多个方向。
-
易于使用:基于mmdetection和mmcv框架开发,具有良好的兼容性和可扩展性。
-
持续更新:团队定期维护和更新代码库,发布新的算法实现。
主要功能模块
DAVAR-Lab-OCR包含以下主要功能模块:
文本检测
- EAST (CVPR 2017)
- Mask R-CNN (ICCV 2017)
- Text Perceptron (AAAI 2020)
文本识别
- Attention-based方法 (CVPR 2016)
- CRNN (TPAMI 2017)
- ACE (CVPR 2019)
- SPIN (AAAI 2021)
- RF-Learning (ICDAR 2021)
端到端文本识别
- Mask R-CNN E2E
- Text Perceptron E2E (AAAI 2020)
- MANGO (AAAI 2021)
- DLD (ECCV 2022)
视频文本识别
- YORO (ACM MM 2019)
文档理解相关任务
- 信息抽取:Chargrid (EMNLP 2018), TRIE (ACM MM 2020)
- 表格识别:LGPMA (ICDAR 2021)
- 表格理解:CTUNet (ACMMM 2022)
- 版面分析:VSR (ICDAR 2021)
- 阅读顺序检测:GCN-PN (ECCV 2020)
- 命名实体识别:基于BERT的NER, BiLSTM+CRF NER
安装和使用
DAVAR-Lab-OCR的安装过程如下:
- 克隆代码仓库:
git clone https://github.com/hikopensource/DAVAR-Lab-OCR.git
- 进入项目目录:
cd DAVAR-Lab-OCR/
- 运行安装脚本:
bash setup.sh
该脚本会自动下载并安装mmdetection和mmcv-full等依赖。您也可以根据官方说明手动安装这些依赖。
对于具体算法的使用,请参考相应算法目录下的说明文档。
发展历程
DAVAR-Lab-OCR项目始于DAVAR实验室对近期学术成果的开源实现,同时也包含了一些经典OCR算法的重新实现。项目团队还提供了许多消融实验的比较结果,以便更好地复现相关研究。
最新版本v0.6.0于2022年7月13日发布。详细的版本历史和更新说明可以在Changelog.md中查看。
贡献和支持
DAVAR-Lab-OCR欢迎来自学术界和工业界的贡献。如果您在使用过程中遇到任何问题,可以参考FAQ.md或者直接联系项目维护者。
如果您觉得该项目对您的研究有帮助,欢迎引用以下论文:
@inproceedings{qiao2022davarocr,
title ={{DavarOCR:} {A} Toolbox for OCR and Multi-Modal Document Understanding},
author ={Liang Qiao and Hui Jiang and Ying Chen and Can Li and Pengfei Li and Zaisheng Li and Baorui Zou and Dashan Guo and Yingda Xu and Yunlu Xu and Zhanzhan Cheng and Yi Niu},
booktitle= {ACM MM},
pages = {7355--7358},
year = {2022}
}
总结
DAVAR-Lab-OCR作为一个综合性的OCR工具箱,不仅集成了多种先进算法,还提供了良好的可扩展性和易用性。无论是进行OCR相关的学术研究,还是开发实际应用,DAVAR-Lab-OCR都是一个值得考虑的选择。随着项目的不断更新和完善,相信它将为OCR领域的发展做出更大的贡献。
