Paddle

• PaddlePaddle/Paddle
  • Apache-2.0
  • by Baidu
  • 飞桨 - PADDLE -> PArallel Distributed Deep LEarning
• 参考
  • www.paddlepaddle.org.cn
  • PaddlePaddle/PaddleHub
• ⚠️ 目前项目状态不太乐观
  • www.zhihu.com/question/360157891/answer/3365551393

# CPU
pip install paddlepaddle
# GPU
pip install paddlepaddle-gpu

# Check
python -c "import paddle; print(paddle.__version__)"

# Docker
# 百度镜像 registry.baidubce.com/paddlepaddle/paddle:3.0.0b1
docker run --rm -it -v $PWD:/host --entrypoint /host --name paddle paddlepaddle/paddle /bin/bash

依赖包paddlepaddlepaddlepaddle-gpu

Awsome

• PP-OCRv4
• PP-OCRv3
• PaddlePaddle/PaddleNLP
  • Apache-2.0, Python
• PaddlePaddle/PaddleX
  • 低代码开发工具
• PaddlePaddle/PaddleClas
  • 图像识别和图像分类
  • pip
    • image_orientation 需要
    • image_orientation_predictor
    • use_angle_cls
    • 支持旋转 90, 180, 270
• PaddlePaddle/Paddle2ONNX
• PaddlePaddle/Paddle.js
• Models
  • PaddlePaddle/models
  • paddlepaddle.github.io/PaddleOCR/latest/ppstructure/models_list.html
  • paddlepaddle.github.io/PaddleOCR/latest/ppocr/model_list.html
  • PaddlePaddle/PaddleX/3.0-beta2/docs/module_usage/tutorials/ocr_modules/table_structure_recognition.md
• dygraph to Static Graph

Layout

text
title
list
table
figure

text
title
figure
figure_caption
table
table_caption
header
footer
reference
equation

• PubLayNet
  • dax-cdn.cdn.appdomain.cloud/dax-publaynet/1.0.0/publaynet.tar.gz
• CDLA - Common Document Layout Annotations 数据集

dataset	简介
cTDaR2019_cTDaR	用于表格检测(TRACKA)和表格识别(TRACKB)。图片类型包含历史数据集(以cTDaR_t0开头，如cTDaR_t00872.jpg)和现代数据集(以cTDaR_t1开头，cTDaR_t10482.jpg)。
IIIT-AR-13K	手动注释公开的年度报告中的图形或页面而构建的数据集，包含5类：table, figure, natural image, logo, and signature
CDLA	中文文档版面分析数据集，面向中文文献类（论文）场景，包含10类：Text、Title、Figure、Figure caption、Table、Table caption、Header、Footer、Reference、Equation
TableBank	用于表格检测和识别大型数据集，包含Word和Latex2种文档格式
DocBank	使用弱监督方法构建的大规模数据集(500K文档页面)，用于文档布局分析，包含12类：Author、Caption、Date、Equation、Figure、Footer、List、Paragraph、Reference、Section、Table、Title

PaddleX

docker run --rm -it \
  -v $PWD:/paddle --shm-size=8G \
  --network=host \
  --name paddlex ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddle:3.0.0b2 /bin/bash

hpip

from paddlex import create_pipeline

pipeline = create_pipeline(
    pipeline="OCR",
    use_hpip=True,
    hpi_config={"backend": "onnxruntime"}
)

• backend
  • paddle_infer
  • openvino
  • onnx_runtime
  • tensorrt
• High-Performance Inference
• paddlepaddle.github.io/PaddleX/3.0/pipeline_deploy/high_performance_inference.html

Paddle2ONNX

• PaddlePaddle/PaddleOCR/deploy/paddle2onnx/readme_ch.md