.NET版OCR紧随PP-OCRv3重磅发布

.net版OCR地址PaddleOCRSharp：

https://gitee.com/raoyutian/paddle-ocrsharp

PaddleOCRSharp是一个基于PaddleOCR的C++代码修改并封装的.NET的工具类库。包含文本识别、文本检测、基于文本检测结果的统计分析的表格识别功能，同时针对小图识别不准的情况下，做了优化，提高识别准确率。包含总模型仅8.6M的超轻量级中文OCR，单模型支持中英文数字组合识别、竖排文本识别、长文本识别。同时支持多种文本检测。项目封装极其简化，实际调用仅几行代码，极大的方便了中下游开发者的使用和降低了PaddleOCR的使用入门级别，同时提供不同的.NET框架使用，方便各个行业应用开发与部署。Nuget包即装即用，可以离线部署，不需要网络就可以识别的高精度中英文OCR。

20000+Star超轻量OCR系统PP-OCRv3效果再提升5% - 11%

OCR方向的工程师，之前一定听说过PaddleOCR这个项目。

项目累计Star数量已超过20000+；
频频登上GitHub Trending和Paperswithcode 日榜月榜第一；
在Medium与Papers withCode 联合评选的《Top Trending Libraries of 2021》，从百万量级项目中脱颖而出，荣登Top10！
在《2021中国开源年度报告》中被评为活跃度Top5！

本次PaddleOCR最新发版，带来四大重磅升级，包括：

发布超轻量OCR系统PP-OCRv3：中英文、纯英文以及多语言场景精度再提升5% - 11%！
发布半自动标注工具PPOCRLabelv2：新增表格文字图像、图像关键信息抽取任务和不规则文字图像的标注功能。
发布OCR产业落地工具集：打通22种训练部署软硬件环境与方式，覆盖企业90%的训练部署环境需求。

.NET使用示例

安装：

PM> Install-Package PaddleOCRSharp -Version 2.0.0

OpenFileDialog ofd = new OpenFileDialog();ofd.Filter = "*.*|*.bmp;*.jpg;*.jpeg;*.tiff;*.tiff;*.png";if (ofd.ShowDialog() != DialogResult.OK) return;var imagebyte = File.ReadAllBytes(ofd.FileName);Bitmap bitmap = new Bitmap(new MemoryStream(imagebyte));OCRModelConfig config = null;OCRParameter oCRParameter = new  OCRParameter ();OCRResult ocrResult = new OCRResult();//建议程序全局初始化一次即可，不必每次识别都初始化，容易报错。PaddleOCREngine engine = new PaddleOCREngine(config, oCRParameter);{ocrResult = engine.DetectText(bitmap );}if (ocrResult != null){MessageBox.Show(ocrResult.Text,"识别结果");}//不再用OCR时，请把PaddleOCREngine释放

本项目目前支持以下NET框架：

net35;net40;net45;net451;net452;net46;net461;net462;net47;net471;net472;net48;
netstandard2.0;netcoreapp3.1;
net5.0;net6.0;

PP-OCRv3优化策略解读

PP-OCR是PaddleOCR团队自研的超轻量OCR系统，面向OCR产业应用，权衡精度与速度。近期，PaddleOCR团队针对PP-OCRv2的检测模块和识别模块，进行共计9个方面的升级，打造出一款全新的、效果更优的超轻量OCR系统：PP-OCRv3。

从效果上看，速度可比情况下，多种场景精度均有大幅提升：

中文场景，相比PP-OCRv2，中文模型提升超5%；
英文数字场景，相比PP-OCRv2，英文数字模型提升11%；
多语言场景，优化80+语种识别效果，平均准确率提升超5%。

全新升级的PP-OCRv3的整体框架图（粉色框中为PP-OCRv3新增策略）如下图。检测模块仍基于DB算法优化；而识别模块不再采用CRNN，更新为IJCAI 2022最新收录的文本识别算法SVTR (论文名称：SVTR: Scene Text Recognition with a SingleVisual Model)，并对其进行产业适配。