Home - News ( United States | United Kingdom | Italy | Germany ) - Football scores

Showing content from https://github.com/PaddlePaddle/PaddleOCR/releases below:

Releases · PaddlePaddle/PaddleOCR · GitHub

Releases · PaddlePaddle/PaddleOCR

• Bug Fixes:

  • Added the missing methods save_vector, save_visual_info_list, load_vector, and load_visual_info_list in the PP-ChatOCRv4 class.
  • Added the missing parameters glossary and llm_request_interval to the translate method in the PPDocTranslation class.

• Documentation Improvements:

  • Added a demo to the MCP documentation.
  • Added information about the PaddlePaddle and PaddleOCR version used for performance metrics testing in the documentation.
  • Fixed errors and omissions in the production line document translation.

• Others:

  • Changed the MCP server dependency to use the pure Python library puremagic instead of python-magic to reduce installation issues.
  • Retested PP-OCRv5 performance metrics with PaddleOCR version 3.1.0 and updated the documentation.

• bug修复：

  • 补充 PP-ChatOCRv4 类缺失的save_vector、save_visual_info_list、load_vector、load_visual_info_list 方法。
  • 补充 PPDocTranslation 类的 translate 方法缺失的 glossary 和 llm_request_interval 参数。

• 文档优化：

  • 补充 MCP 文档中的 demo。
  • 补充文档中测试性能指标使用的飞桨框架与 PaddleOCR 版本。
  • 修复文档翻译产线文档中的错漏。

• 其他：

  • 修改 MCP 服务器依赖，使用纯 Python 库 puremagic 代替 python-magic，减少安装问题。
  • 使用 3.1.0 版本 PaddleOCR 重新测试 PP-OCRv5 性能指标，更新文档。

Full Changelog: v3.1.0...v3.1.1

• Key Models and Pipelines:

  • Added PP-OCRv5 Multilingual Text Recognition Model, which supports the training and inference process for text recognition models in 37 languages, including French, Spanish, Portuguese, Russian, Korean, etc. Average accuracy improved by over 30%. Details
  • Upgraded the PP-Chart2Table model in PP-StructureV3, further enhancing the capability of converting charts to tables. On internal custom evaluation sets, the metric (RMS-F1) increased by 9.36 percentage points (71.24% -> 80.60%).
  • Newly launched document translation pipeline, PP-DocTranslation, based on PP-StructureV3 and ERNIE 4.5 Turbo, which supports the translation of Markdown format documents, various complex-layout PDF documents, and document images, with the results saved as Markdown format documents. Details

• New MCP server: Details

  • Supports both OCR and PP-StructureV3 pipelines.
  • Supports three working modes: local Python library, AIStudio Community Cloud Service, and self-hosted service.
  • Supports invoking local services via stdio and remote services via Streamable HTTP.

• Documentation Optimization: Improved the descriptions in some user guides for a smoother reading experience.

• 重要模型和产线：

  • 新增 PP-OCRv5 多语种文本识别模型，支持法语、西班牙语、葡萄牙语、俄语、韩语等 37 种语言的文字识别模型的训推流程。平均精度涨幅超30%。详情
  • 升级 PP-StructureV3 中的 PP-Chart2Table 模型，图表转表能力进一步升级，在内部自建测评集合上指标（RMS-F1）提升 9.36 个百分点（71.24% -> 80.60%）。
  • 新增基于 PP-StructureV3 和 ERNIE 4.5 Turbo 的文档翻译产线 PP-DocTranslation，支持翻译 Markdown 格式文档、各种复杂版式的 PDF 文档和文档图像，结果保存为 Markdown 格式文档。详情

• 新增MCP server：详情

  • 支持 OCR 和 PP-StructureV3 两种工具；
  • 支持本地Python库、星河社区云服务、自托管服务三种工作模式；
  • 支持通过 stdio 调用本地服务，通过 Streamable HTTP 调用远程服务。

• 文档优化： 优化了部分使用文档描述，提升阅读体验。

• 功能新增：

  • 模型默认下载源从BOS改为HuggingFace，同时也支持用户通过更改环境变量PADDLE_PDX_MODEL_SOURCE为BOS，将模型下载源设置为百度云对象存储BOS。
  • PP-OCRv5、PP-StructureV3、PP-ChatOCRv4等pipeline新增C++、Java、Go、C#、Node.js、PHP 6种语言的服务调用示例。
  • 优化PP-StructureV3产线中版面分区排序算法，对复杂竖版版面排序逻辑进行完善，进一步提升了复杂版面排序效果。
  • 优化模型选择逻辑，当指定语言、未指定模型版本时，自动选择支持该语言的最新版本的模型。
  • 为MKL-DNN缓存大小设置默认上界，防止缓存无限增长。同时，支持用户配置缓存容量。
  • 更新高性能推理默认配置，支持Paddle MKL-DNN加速。优化高性能推理自动配置逻辑，支持更智能的配置选择。
  • 调整默认设备获取逻辑，考虑环境中安装的Paddle框架对计算设备的实际支持情况，使程序行为更符合直觉。
  • 新增PP-OCRv5的Android端示例，详情。

• Bug修复：

  • 修复PP-StructureV3部分CLI参数不生效的问题。
  • 修复部分情况下export_paddlex_config_to_yaml无法正常工作的问题。
  • 修复save_path实际行为与文档描述不符的问题。
  • 修复基础服务化部署在使用MKL-DNN时可能出现的多线程错误。
  • 修复Latex-OCR模型的图像预处理的通道顺序错误。
  • 修复文本识别模块保存可视化图像的通道顺序错误。
  • 修复PP-StructureV3中表格可视化结果通道顺序错误。
  • 修复PP-StructureV3产线中极特殊的情况下，计算overlap_ratio时，变量溢出问题。

• 文档优化：

  • 更新文档中对enable_mkldnn参数的说明，使其更准确地描述程序的实际行为。
  • 修复文档中对lang和ocr_version参数描述的错误。
  • 补充通过CLI导出产线配置文件的说明。
  • 修复PP-OCRv5性能数据表格中的列缺失问题。
  • 润色PP-StructureV3在不同配置下的benchmark指标。

• 其他：

  • 放松numpy、pandas等依赖的版本限制，恢复对Python 3.12的支持。

• 优化部分模型和模型配置：
  • 更新 PP-OCRv5默认模型配置，检测和识别均由mobile改为server模型。为了改善大多数的场景默认效果，配置中的参数limit_side_len由736改为64
  • 新增文本行方向分类PP-LCNet_x1_0_textline_ori模型，精度99.42%，OCR、PP-StructureV3、PP-ChatOCRv4产线的默认文本行方向分类器改为该模型
  • 优化文本行方向分类PP-LCNet_x0_25_textline_ori模型，精度提升3.3个百分点，当前精度98.85%
• 优化3.0.0版本部分存在的问题
  • 优化CLI使用体验： 当使用PaddleOCR CLI不传入任何参数时，给出用法提示。
  • 新增参数： PP-ChatOCRv3、PP-StructureV3支持use_textline_orientation参数。
  • CPU推理速度优化： 所有产线CPU推理默认开启MKL-DNN。
  • C++推理支持： PP-OCRv5的检测和识别串联部分支持C++推理
• 修复3.0.0版本部分存在的问题
  • 修复由于公式识别、表格识别模型无法使用MKL-DNN导致PP-StructureV3在部分cpu推理报错的问题
  • 修复在部分GPU环境中推理报FatalError: Process abort signal is detected by the operating system错误的问题
  • 修复部分Python3.8环境的type hint的问题
  • 修复PPStructureV3.concatenate_markdown_pages方法不存在的问题。
  • 修复实例化paddleocr.PaddleOCR时同时指定lang和model_name时model_name不生效的问题。

• 发布全场景文字识别模型PP-OCRv5： 单模型支持五种文字类型和复杂手写体识别；整体识别精度相比上一代提升13个百分点。

• 发布通用文档解析方案PP-StructureV3： 支持多场景、多版式 PDF 高精度解析，在公开评测集中领先众多开源和闭源方案。

• 发布智能文档理解方案PP-ChatOCRv4： 原生支持文心大模型4.5 Turbo，精度相比上一代提升15个百分点。

• 重构部署能力，统一推理接口： PaddleOCR 3.0 融合了飞桨 PaddleX3.0 工具的底层能力，全面升级推理、部署模块，优化 2.x 版本的设计，统一并优化了 Python API 和命令行接口（CLI）。部署能力现覆盖高性能推理、服务化部署及端侧部署三大场景。

• 适配飞桨框架 3.0，优化训练流程： 新版本已兼容飞桨 3.0 的 CINN 编译器等最新特性，静态图模型存储文件名由 xxx.pdmodel 改为 xxx.json。

• 统一模型名称： 对PaddleOCR3.0支持的模型命名体系进行了更新，采用更规范、统一的命名规则，为后续迭代与维护奠定基础。

You can’t perform that action at this time.

RetroSearch is an open source project built by @garambo | Open a GitHub Issue

Search and Browse the WWW like it's 1997 | Search results from DuckDuckGo

HTML: 3.2 | Encoding: UTF-8 | Version: 0.7.4