OnnxOCR：基于PaddleOCR重构的轻量级OCR工具

主要观点总结

文章介绍了PPOCRv4模型转换为onnx模型推理的项目，该项目具有高精度和高效性能，并且脱离深度学习训练框架，适用于通用OCR的部署。项目将paddleOCR转换为ONNX模型并重新构建，可在arm架构和x86架构计算机上部署使用。在相同性能的计算机上，推理速度提高了4-5倍。

关键观点总结

关键观点1: 项目优势

项目具有高精度和高效性能，脱离深度学习训练框架，适用于通用OCR的部署。

关键观点2: 环境安装

提供环境安装指南，需要安装python>=3.6和从指定链接安装依赖库。

关键观点3: 模型转换和使用

介绍如何将paddleOCR转换为ONNX模型并重新构建，模型位置说明以及运行测试脚本的方式。

关键观点4: 推广和合作信息

提供项目链接，扫码加入技术交流群的方式，以及合作时的注意事项。

文章预览

项目简介 PPOCRv4模型转onnx模型推理，精度和性能更高，推理速度比使用paddlepaddle框架快5倍 一.优势： 脱离深度学习训练框架，可直接用于部署的通用OCR。 2.在算力有限，精度不变的情况下使用paddleOCR转成ONNX模型，进行重新构建的一款可部署在arm架构和x86架构计算机上的OCR模型。 在同样性能的计算机上推理速度加速了4-5倍。 二.环境安装 python>= 3.6 pip install -i https: //pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt 此版本模型已经存在于onnxocr\models\ppocrv4下，无需下载，假如需要跑ppocrv2版本，需要下载rec模型超过了 100 M，github有限制，所以我上传到 下载后放到./models/ch_ppocr_server_v2.0/rec/rec.onnx下 三.一键运行 python test_ocr .py 效果展示 感谢PaddleOcr https://github.com/PaddlePaddle/PaddleOCR 项目链接 https://github.com/jingsongliujing/OnnxOCR 扫码 加入技术交流群，备注 「 开发语言- ………………………………