金融OCR领域实习日志（二）——四种OCR模型效果测试（附图）

四种模型ocr效果简单测试

模型

PP-OCRv3、ppocr_server_v2、CnOCR、TesseractOCR

场景

发票（扫描件）、表格扫描件

1.paddle框架下PP-OCRv3

使用轻量级模型PP-OCRv3

1.1.效果如下：

1号表格扫描件==（时间2.13s）==：

1号发票==（时间1.7s）==

2号发票扫描件==（时间2.36s）==

1.2.总结

表格扫描件：效果一切良好

发票实拍：有部分模糊文字识别不清，图片太糊了

发票扫描件：效果良好，但是特殊字符无法识别，后续补充训练可以解决

2.paddle框架下ppocr_server_v2

使用通用模型PP-OCRv3

2.1.效果如下

1号发票

2.2.总结

效果太差不试了

3.CnOCR

这里ocr参数全部设置默认

3.1.效果如下

1号表格扫描件：

1号发票：

3.2.总结

比起paddle中文模型，有较大差距，

表格问题较小，但比如”牡“丹识别成了”社“丹

发票比较模糊，问题很多，比如联合识别成联音，公司识别成公碍等错误

特殊字符也同paddle一样无法识别，识别成了8，不过可以补充训练

4.TesseractOCR

4.1.效果如下

1号表格：

1号发票：

4.2.总结

中文识别一团浆糊，完全不能用

5.后续想法

基于paddle2.6发布的版本，PP-OCRv3表现最好，也是百度最新的OCR中文检测识别模型（paddle2.7下的v4没测），百度通用模型的效果相比而言差了很多。CnOCR比paddle差距明显，特别是模糊图片，Tesseract在中文场景下则是完全不能用。

此外，由于发票文档分布非常复杂，导致大部分识别模型无法对齐，但由于发票的模板非常固定，可以通过坐标变换先调整发票摆正，再裁剪图片喂给模型识别，以此来控制各个识别区域，避免文字错位。