DAVAR-OCR

这是来自海康威视研究院中国的DAVAR实验室开源的OCR代码库。

我们开始维护这个代码库，以发布我们最近学术发表的实现和一些先前流行的OCR算法/模块的重新实现。

我们还提供了一些消融实验比较，以便更好地复现。

介绍DavarOCR的短文可在arxiv上查阅。

注意：由于公司政策限制，所有代码都是基于开源框架mmdetection-2.11.0和mmcv-1.3.4重新实现的，这些框架来自open-mmlab。代码架构也参考了mmocr，这意味着这两个框架可以很好地相互兼容。

实现

到目前为止，davarocr包含以下算法：

基本OCR任务

文本检测

EAST (CVPR 2017)
MASK RCNN (ICCV 2017)
Text Perceptron Det (AAAI 2020)

文本识别

文本定位识别

Mask RCNN E2E
Text Perceptron E2E (AAAI 2020)
MANGO (AAAI 2021)
DLD (ECCV 2022)

视频文本定位识别

YORO (ACM MM 2019)

文档理解任务

信息抽取

Chargrid (EMNLP 2018)
TRIE (ACM MM 2020)

表格识别

LGPMA (ICDAR 2021)

表格理解

CTUNet (ACMMM 2022)

版面识别

VSR (ICDAR 2021)

阅读顺序检测

GCN-PN (ECCV 2020)

命名实体识别

基于Bert的NER，包括BERT+CRF/Span/Softmax
[BiLSTM+CRF NER](https://github.com/hikopensource/DAVAR-Lab-OCR/blob/main/demo/ner/bilstm_crf (Arxiv 2016)

开发环境

推荐的环境要求可以在mmdetection中找到。以下是最低兼容环境。

基础环境	版本
Python	3.6+
cuda	10.0+
cudnn	7.6.3+
pytorch	1.3.0+
torchvision	0.4.1+
opencv	3.0.0+

对于某些算法（EAST, Text Perceptron），需要C++版本的opencv。如果您不需要使用这些算法，可以暂时忽略关于'opencv.hpp'的错误或临时移除相关代码。

安装和开发说明

要下载仓库并安装davarocr，请按照以下说明操作：

git clone https://github.com/hikopensource/DAVAR-Lab-OCR.git
cd DAVAR-Lab-OCR/
bash setup.sh

此脚本将自动下载并安装"mmdetection"和"mmcv-full"。您也可以按照官方说明手动安装它们。

前往特定算法的目录查看更多详情。

问题解决和收集

对于安装和研究过程中存在的问题，我们会合理收集并提供相应的解决方案。详情请参考FAQ.md。

更新日志

DavarOCR v0.6.0 于2022年7月13日发布。详情和发布历史请参考Changelog.md。

引用

如果您发现这个仓库对您的研究有帮助，请随时引用我们：

@inproceedings{qiao2022davarocr,
  title    ={{DavarOCR:} {A} Toolbox for OCR and Multi-Modal Document Understanding},
  author   ={Liang Qiao and
			  Hui Jiang and
			  Ying Chen and
			  Can Li and
			  Pengfei Li and
			  Zaisheng Li and
			  Baorui Zou and
			  Dashan Guo and
			  Yingda Xu and
			  Yunlu Xu and
			  Zhanzhan Cheng and
			  Yi Niu}
  booktitle    = {ACM MM},
  pages        = {7355--7358},
  year         = {2022}
}