|
近日，百度在海外官方账号介绍了最新轻量级文字识别模型 PP-OCRv5。该模型仅0.07B参数，以千分之一参数量实现与700亿参数大模型相媲美的OCR精度。在多项 OCR 场景测试中，PP-OCRv5的表现超越GPT-4o、Qwen2.5-VL-72B等通用视觉大模型。最新信息显示，飞桨团队发布的技术Blog已连续一周登顶Hugging Face博客热度榜首，受到开发者社区的广泛关注。 Blog指出，在OCR场景中，通用视觉大模型（VLM）在精确文本定位和边框精度上仍面临挑战，同时容易带来高计算开销和“幻觉”输出。相较于VLM，PP-OCRv5采用了模块化双阶段检测与识别方案，能够实现轻量高效推理与更精准的文本边界框输出。 Benchmark数据显示，PP-OCRv5在 Printed Chinese、Printed English、Handwritten English 等核心任务上与百亿级大模型 Qwen2.5-VL-72B 精度持平甚至更优;在Handwritten Chinese、Chinese Pinyin等复杂场景中，仍稳居前列，表现出强泛化能力。 作为百度飞桨团队推出的全场景文字识别模型，PP-OCRv5是业界首个单模型支持5种文字类型的超轻量级（自2020年开源以来，PaddleOCR累计下载量突破900万，被超过5.9k开源项目直接或间接使用，是GitHub 社区中唯一一个 Star数超过50k的中国OCR项目。 （推广） |
