Paddle
- PaddlePaddle/Paddle
- Apache-2.0
- by Baidu
- 飞桨 - PADDLE -> PArallel Distributed Deep LEarning
- 参考
- ⚠️ 目前项目状态不太乐观
caution
- 通用框架，但 Paddle 主要中文 OCR, NLP 做得好
- 知识学习存在一定迁移成本和损耗
# 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
Awsome
| abbr. | stand for | meaning |
|---|---|---|
| OCR | Optical Character Recognition | 光学字符识别 |
| KIE | Key Information Extraction | 关键信息提取 |
| SER | Structured Entity Recognition | 结构化实体识别 |
| RE | Relation Extraction | 关系抽取 |
| FGD | Fine-grained Document | 细粒度文档 |
| CDLA | Common Document Layout Annotations | 通用文档布局注释 |
- 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:paddleclas
- 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
- https://paddlepaddle.github.io/PaddleOCR/latest/ppstructure/models_list.html
- https://paddlepaddle.github.io/PaddleOCR/latest/ppocr/model_list.html
- https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta2/docs/module_usage/tutorials/ocr_modules/table_structure_recognition.md
- dygraph to Static Graph
Layout
layout_publaynet_dict.txt
text
title
list
table
figure
layout_cdla_dict.txt
text
title
figure
figure_caption
table
table_caption
header
footer
reference
equation
- PubLayNet
- 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