--- license: apache-2.0 language: - zh - en - ja - ko - fr - de - es - ru - ar - hi - th - el library_name: pytorch tags: - ocr - text-detection - text-recognition - paddleocr - pp-ocrv5 - multilingual - svtr - db pipeline_tag: image-to-text --- # PP-OCRv5 PyTorch Model Zoo（中文版） > 本仓库的主 README 为英文版 [README.md](./README.md)。本文件为中文对照版。 PP-OCRv5 全系列模型的 **PyTorch** 版本（safetensors 格式），从百度 PaddlePaddle 官方 `.pdparams` 动态图权重精确转换而来，**推理结果与 PaddleOCR 原版位精确一致**。 - **文本检测**：2 个（mobile / server） - **文本识别（基础）**：2 个，覆盖 简中 / 繁中 / 英文 / 日文 - **文本识别（多语言）**：11 个，覆盖 100+ 语种（韩 / 法 / 德 / 俄 / 阿拉伯 / 天城文 / 泰 / 希腊 / 泰米尔 / 泰卢固 / 纯英文等） > 本仓库**仅包含权重、配置和字典**，不包含推理代码。推理请配合 [PaddleOCR2Pytorch](https://github.com/frotms/PaddleOCR2Pytorch) 使用，或参考下文"自定义 Python 推理"章节自行集成。 --- ## 仓库结构 ``` . ├── README.md / README_zh.md ├── LICENSE # Apache 2.0 ├── config.json # 仓库元数据 + 模型索引 ├── *.safetensors # 15 个 PP-OCRv5 权重（位于根目录，URL 稳定） ├── ptocr_v5_server_{det,rec}.pth # V5 服务端的 pth 副本（向后兼容保留） ├── configs/ │ ├── det/PP-OCRv5/ │ │ ├── PP-OCRv5_mobile_det.yml # 移动端检测 │ │ └── PP-OCRv5_server_det.yml # 服务端检测 │ └── rec/PP-OCRv5/ │ ├── PP-OCRv5_mobile_rec.yml # 基础识别（中繁英日，移动端） │ ├── PP-OCRv5_server_rec.yml # 基础识别（中繁英日，服务端） │ └── multi_language/ │ ├── en_PP-OCRv5_mobile_rec.yaml # 英文专用 │ ├── korean_PP-OCRv5_mobile_rec.yml # 韩文 + 英文 │ ├── latin_PP-OCRv5_mobile_rec.yml # 拉丁字母 40+ 语种（法/德/西/意/葡 等） │ ├── eslav_PP-OCRv5_mobile_rec.yml # 东斯拉夫（俄/白俄/乌克兰） │ ├── cyrillic_PP-OCRv5_mobile_rec.yaml # 西里尔字母 33 种 │ ├── arabic_PP-OCRv5_mobile_rec.yaml # 阿拉伯 / 波斯 / 维吾尔 / 乌尔都 等 │ ├── devanagari_PP-OCRv5_mobile_rec.yaml # 天城文系 14 种（印地/马拉地/尼泊尔/梵文 等） │ ├── th_PP-OCRv5_mobile_rec.yaml # 泰文 │ ├── el_PP-OCRv5_mobile_rec.yaml # 希腊文 │ ├── ta_PP-OCRv5_mobile_rec.yaml # 泰米尔文 │ └── te_PP-OCRv5_mobile_rec.yaml # 泰卢固文 └── dicts/ # 字符集字典（rec 推理必需） ├── ppocrv5_dict.txt # 基础（中繁英日） ├── ppocrv5_en_dict.txt ├── ppocrv5_korean_dict.txt └── ...（共 12 个） legacy/ # 旧版本（v2/v3/v4）pth 集中目录 ├── ch_ptocr_mobile_v2.0_cls_infer.pth ├── ch_ptocr_v4_det_infer.pth ├── ch_ptocr_v4_rec_infer.pth ├── en_ptocr_v3_det_infer.pth └── en_ptocr_v4_rec_infer.pth ``` > 所有 rec yaml 的 `character_dict_path` 已改写为相对路径 `./dicts/...`，`git clone` 或 `snapshot_download` 下载后**无需修改路径**即可使用。 --- ## 模型清单 ### 文本检测 | 权重文件 | 对应 yaml | 场景 | 文件大小 | |---|---|---|---| | `ptocr_v5_mobile_det.safetensors` | `configs/det/PP-OCRv5/PP-OCRv5_mobile_det.yml` | 移动端 / CPU 推荐 | ~14 MB | | `ptocr_v5_server_det.safetensors` | `configs/det/PP-OCRv5/PP-OCRv5_server_det.yml` | 服务端 / 高精度 | ~101 MB | ### 文本识别（基础） | 权重文件 | 对应 yaml | 支持语种 | 文件大小 | |---|---|---|---| | `ptocr_v5_mobile_rec.safetensors` | `configs/rec/PP-OCRv5/PP-OCRv5_mobile_rec.yml` | 简中 / 繁中 / 英文 / 日文 | ~31 MB | | `ptocr_v5_server_rec.safetensors` | `configs/rec/PP-OCRv5/PP-OCRv5_server_rec.yml` | 简中 / 繁中 / 英文 / 日文 | ~128 MB | ### 文本识别（多语言） 所有多语言识别模型共享相同网络（`SVTR_LCNet` + `PPLCNetV3`），仅字符集不同。文件大小 23–28 MB。 | 权重文件 | 支持语种 | |---|---| | `ptocr_v5_en_mobile_rec.safetensors` | 英文专用（针对英文场景定向优化） | | `ptocr_v5_korean_mobile_rec.safetensors` | 韩文、英文 | | `ptocr_v5_latin_mobile_rec.safetensors` | 法文、德文、南非荷兰文、意大利文、西班牙文、葡萄牙文、捷克文、丹麦文、爱沙尼亚文、克罗地亚文、荷兰文、挪威文、波兰文、瑞典文、芬兰文、土耳其文、越南文 等 40+ 语种 | | `ptocr_v5_eslav_mobile_rec.safetensors` | 俄罗斯文、白俄罗斯文、乌克兰文、英文 | | `ptocr_v5_cyrillic_mobile_rec.safetensors` | 俄文、白俄文、乌克兰文、塞尔维亚（西里尔）、保加利亚、蒙古 等 33 种西里尔字母语言 | | `ptocr_v5_arabic_mobile_rec.safetensors` | 阿拉伯文、波斯文、维吾尔文、乌尔都文、普什图文、信德文 等 | | `ptocr_v5_devanagari_mobile_rec.safetensors` | 印地文、马拉地文、尼泊尔文、梵文 等 14 种天城文系语言 | | `ptocr_v5_th_mobile_rec.safetensors` | 泰文、英文 | | `ptocr_v5_el_mobile_rec.safetensors` | 希腊文、英文 | | `ptocr_v5_ta_mobile_rec.safetensors` | 泰米尔文、英文 | | `ptocr_v5_te_mobile_rec.safetensors` | 泰卢固文、英文 | --- ## 快速开始 ### 下载权重 ```python from huggingface_hub import snapshot_download, hf_hub_download # 方式 1：下载整个仓库（权重 + yml + 字典 + README） repo_dir = snapshot_download(repo_id="JoyCN/PaddleOCR-Pytorch") print("仓库下载到：", repo_dir) # 方式 2：只下载单个权重文件 weight_path = hf_hub_download( repo_id="JoyCN/PaddleOCR-Pytorch", filename="ptocr_v5_korean_mobile_rec.safetensors" ) ``` ### 使用 PaddleOCR2Pytorch 项目做推理（推荐） ```bash # 1. clone 推理代码仓 git clone https://github.com/frotms/PaddleOCR2Pytorch cd PaddleOCR2Pytorch pip install torch safetensors pyyaml shapely pyclipper opencv-python pillow scikit-image # 2. 用本仓库下载的权重 + yml（假设下载到 /path/to/hf_repo） python tools/infer/predict_rec.py \ --image_dir doc/imgs_words/korean/1.jpg \ --rec_algorithm SVTR_LCNet \ --rec_model_path /path/to/hf_repo/ptocr_v5_korean_mobile_rec.safetensors \ --rec_yaml_path /path/to/hf_repo/configs/rec/PP-OCRv5/multi_language/korean_PP-OCRv5_mobile_rec.yml \ --rec_image_shape "3,48,320" \ --rec_char_dict_path /path/to/hf_repo/dicts/ppocrv5_korean_dict.txt \ --use_gpu False ``` > PaddleOCR2Pytorch 的 `base_ocr_v20.py` 已原生支持 `.safetensors`（按后缀自动识别，向后兼容 `.pth`）。 ### 自定义 Python 推理代码 如果你不想依赖 PaddleOCR2Pytorch 完整推理栈，下面是**一个最小 rec 推理代码片段**的骨架。它展示了如何加载权重并做前向推理——但你仍然需要 PaddleOCR2Pytorch 项目中的网络定义代码（`pytorchocr/modeling/`）。 ```python import sys, numpy as np, cv2, torch, yaml from safetensors.torch import load_file # 以下 import 需要你先 clone https://github.com/frotms/PaddleOCR2Pytorch # 并把其根目录加入 PYTHONPATH sys.path.insert(0, "/path/to/PaddleOCR2Pytorch") from pytorchocr.modeling.architectures.base_model import BaseModel from pytorchocr.postprocess import build_post_process HF_REPO = "/path/to/hf_repo" # snapshot_download 得到的路径 yml_path = f"{HF_REPO}/configs/rec/PP-OCRv5/multi_language/korean_PP-OCRv5_mobile_rec.yml" weight_path = f"{HF_REPO}/ptocr_v5_korean_mobile_rec.safetensors" # 1. 读配置 + 字符集 with open(yml_path, encoding="utf-8") as f: cfg = yaml.safe_load(f) dict_path = cfg["Global"]["character_dict_path"] # './dicts/ppocrv5_korean_dict.txt' dict_abs = f"{HF_REPO}/{dict_path.lstrip('./')}" with open(dict_abs, encoding="utf-8") as f: chars = [l.strip("\n\r") for l in f] n_char = len(chars) + 2 # +1 blank, +1 space（依 use_space_char 而定） # 2. 构建网络 + 加载权重（safetensors 零代码执行、mmap 快速加载） cfg["Architecture"]["Head"]["out_channels_list"] = { "CTCLabelDecode": n_char, "SARLabelDecode": n_char + 2, "NRTRLabelDecode": n_char + 3, } net = BaseModel(cfg["Architecture"], out_channels=n_char) net.load_state_dict(load_file(weight_path, device="cpu")) net.eval() # 3. 读图 + 预处理（resize 到 [3, 48, 320]，归一化到 [-1, 1]） img = cv2.imread("input_word.jpg") h, w = img.shape[:2] ratio = w / h tw = min(int(48 * ratio), 320) img = cv2.resize(img, (tw, 48)) canvas = np.zeros((48, 320, 3), dtype=np.uint8) canvas[:, :tw] = img x = canvas.astype(np.float32).transpose(2, 0, 1) / 255.0 x = (x - 0.5) / 0.5 x = torch.from_numpy(x).unsqueeze(0) # 4. 前向 + CTC 解码 with torch.no_grad(): logits = net(x) post_op = build_post_process({"name": "CTCLabelDecode", "character_dict_path": dict_abs, "use_space_char": True}) result = post_op(logits) print("识别结果:", result) # e.g. [('바탕으로', 0.9998)] ``` ### 推理所需依赖 ``` torch >= 1.13 safetensors >= 0.4 numpy, pillow, opencv-python pyyaml, shapely, pyclipper scikit-image # det 后处理需要 ``` --- ## 转换 & 验证来源 - 源权重：PaddlePaddle 官方 `.pdparams`，来自 [paddle-model-ecology.bj.bcebos.com/paddlex/official_pretrained_model/](https://paddle-model-ecology.bj.bcebos.com/paddlex/official_pretrained_model/) - 转换工具：[PaddleOCR2Pytorch](https://github.com/frotms/PaddleOCR2Pytorch) 中的 `converter/ppocr_v5_det_converter.py` / `ppocr_v5_rec_converter.py` - 验证：在 macOS Apple Silicon (M 系列) CPU 环境下做过端到端推理，**多语言识别结果与 PaddleOCR 官方 `.pdparams` 位精确一致**（float32 小数点后 8 位完全相同） 样例推理输出（CPU，<0.7 s / 张）： | 样例 | 识别结果 | 置信度 | |---|---|---| | 中文 `word_1.jpg` | 韩国小馆 | 0.99797755 | | 韩文 `korean/1.jpg` | 바탕으로 | 0.99977183 | | 法文 `french/1.jpg` | de l'amendement, | 0.99656343 | | 阿拉伯 `arabic/ar_1.jpg` | الكيصياوي | 0.68281130 | --- ## Legacy 文件说明（`legacy/`） 原本放在仓库根目录的 PP-OCR v2 / v3 / v4 老版本权重，现已**统一迁移到 `legacy/` 目录**以便整理。这些文件仍然存在且可正常使用，只需在 URL 路径前面加上 `legacy/` 前缀即可： ``` legacy/ch_ptocr_mobile_v2.0_cls_infer.pth legacy/ch_ptocr_v4_det_infer.pth legacy/ch_ptocr_v4_rec_infer.pth legacy/en_ptocr_v3_det_infer.pth legacy/en_ptocr_v4_rec_infer.pth ``` **15 个 PP-OCRv5 safetensors 权重依然位于仓库根目录，URL 未变**。 --- ## 许可证 & 致谢 - **License**: Apache License 2.0 - 权重来源：[PaddleOCR](https://github.com/PaddlePaddle/PaddleOCR) by PaddlePaddle 团队，Apache 2.0 - 转换工具：[PaddleOCR2Pytorch](https://github.com/frotms/PaddleOCR2Pytorch)，Apache 2.0 如果本仓库对你有帮助，请同时给上述两个原始项目 star 致谢。 --- ## 引用 ```bibtex @misc{pp_ocrv5_pytorch_joycn_2025, title = {PP-OCRv5 PyTorch Model Zoo}, author = {JoyCN}, howpublished = {\url{https://huggingface.co/JoyCN/PaddleOCR-Pytorch}}, year = {2025} } ```