OCR算法

本文给出了PaddleOCR已支持的OCR算法列表，以及每个算法在英文公开数据集上的模型和指标，主要用于算法简介和算法性能对比，更多包括中文在内的其他数据集上的模型请参考PP-OCR v2.0 系列模型下载。

1. 两阶段算法

已支持的文本检测算法列表（戳链接获取使用教程）：

在ICDAR2015文本检测公开数据集上，算法效果如下：

模型	骨干网络	precision	recall	Hmean	下载链接
EAST	ResNet50_vd	88.71%	81.36%	84.88%	训练模型
EAST	MobileNetV3	78.2%	79.1%	78.65%	训练模型
DB	ResNet50_vd	86.41%	78.72%	82.38%	训练模型
DB	MobileNetV3	77.29%	73.08%	75.12%	训练模型
SAST	ResNet50_vd	91.39%	83.77%	87.42%	训练模型
PSE	ResNet50_vd	85.81%	79.53%	82.55%	训练模型
PSE	MobileNetV3	82.20%	70.48%	75.89%	训练模型

在Total-text文本检测公开数据集上，算法效果如下：

模型	骨干网络	precision	recall	Hmean	下载链接
SAST	ResNet50_vd	89.63%	78.44%	83.66%	训练模型

在CTW1500文本检测公开数据集上，算法效果如下：

模型	骨干网络	precision	recall	Hmean	下载链接
FCE	ResNet50_dcn	88.39%	82.18%	85.27%	训练模型

说明： SAST模型训练额外加入了icdar2013、icdar2017、COCO-Text、ArT等公开数据集进行调优。PaddleOCR用到的经过整理格式的英文公开数据集下载：

已支持的文本识别算法列表（戳链接获取使用教程）：

参考DTRB[3]文字识别训练和评估流程，使用MJSynth和SynthText两个文字识别数据集训练，在IIIT, SVT, IC03, IC13, IC15, SVTP, CUTE数据集上进行评估，算法效果如下：

模型	骨干网络	Avg Accuracy	模型存储命名	下载链接
Rosetta	Resnet34_vd	79.11%	rec_r34_vd_none_none_ctc	训练模型
Rosetta	MobileNetV3	75.80%	rec_mv3_none_none_ctc	训练模型
CRNN	Resnet34_vd	81.04%	rec_r34_vd_none_bilstm_ctc	训练模型
CRNN	MobileNetV3	77.95%	rec_mv3_none_bilstm_ctc	训练模型
StarNet	Resnet34_vd	82.85%	rec_r34_vd_tps_bilstm_ctc	训练模型
StarNet	MobileNetV3	79.28%	rec_mv3_tps_bilstm_ctc	训练模型
RARE	Resnet34_vd	83.98%	rec_r34_vd_tps_bilstm_att	训练模型
RARE	MobileNetV3	81.76%	rec_mv3_tps_bilstm_att	训练模型
SRN	Resnet50_vd_fpn	86.31%	rec_r50fpn_vd_none_srn	训练模型
NRTR	NRTR_MTB	84.21%	rec_mtb_nrtr	训练模型
SAR	Resnet31	87.20%	rec_r31_sar	训练模型
SEED	Aster_Resnet	85.35%	rec_resnet_stn_bilstm_att	训练模型
SVTR	SVTR-Tiny	89.25%	rec_svtr_tiny_none_ctc_en	训练模型

已支持的端到端OCR算法列表（戳链接获取使用教程）：