Skip to content

Release Notes

Update 2022.09.09: 发布 cnocr V2.2.2

主要变更:

  • 修复HTTP服务存在的问题,感谢 @Sugobet

  • 增加图片分类模型,以及配套的训练和预测脚本,具体见 图片分类工具

  • 适配了新版的pytorch_lightning接口,训练中引入torchmetrics计算各种指标。

Update 2022.08.21: 发布 cnocr V2.2.1

主要变更:

  • 修复了一些bug。
  • 加入了基于 FastAPI 的HTTP服务,使用命令 cnocr serve 启动HTTP服务,具体见 安装说明
  • 加入了一些工具脚本,如对截屏图片进行OCR,具体见cnocr/scripts

Update 2022.07.25: 发布 cnocr V2.2

主要变更:

  • CnOCR 内部集成 CnSTD 进行文本检测,降低使用门槛,提升适用场景的范围。
  • 对诸多代码做了重构,同时也对文档进行了大幅度的优化。
  • 更新了测试用例,清理了过期的用例。

Update 2022.05.27: 发布 cnocr V2.1.2.1

主要变更:

  • 修复 V2.1.2 bug:打包时忘记把 ppocr 模型相关的字符集文件打包进来了 😭。

Update 2022.05.25: 发布 cnocr V2.1.2

主要变更:

  • 引入了对外部模型的支持,此版加入了对 PaddleOCR 模型的 ONNX 版本的支持,具体参见 可用模型
  • 新引入的模型支持识别竖排文字、繁体中文(部分模型),具体参见 可用模型
  • 模型输出结果的格式略有调整,具体参见 使用方法

Update 2022.05.15: 发布 cnocr V2.1.1.1

主要变更:

  • 增加了对 ONNX 模型的支持,支持 *-fc 模型,提升预测速度;
  • CnOcr 的初始化中增加了参数 model_backendvocab_fp,具体参见 使用方法
  • 增加了 cnocr export-onnx 命令,把训练好的PyTorch模型导出为ONNX模型;
  • 去掉了对包 python-Levenshtein 的依赖。

Update 2021.11.06: 发布 cnocr V2.1.0

主要变更:

  • 使用了更精简的模型架构:densenet_lite_*
  • 使用了更丰富的数据重新训练了所有模型,精度相较于之前版本更高;
  • 提供了更多预训练好的模型;
  • 加入了 cnocr evaluate 命令以评估效果。

Update 2021.09.21: 发布 cnocr V2.0.1

主要变更:

  • 重新训练了模型,模型识别精度略有提升;
  • 函数 CnOcr.ocr_for_single_lines(img_list, batch_size=1) 中加入了 batch_size 参数。

Update 2021.08.26: 发布 cnocr V2.0.0

主要变更:

  • MXNet 越来越小众化,故从基于 MXNet 的实现转为基于 PyTorch 的实现;
  • 重新实现了识别模型,优化了训练数据,重新训练模型;
  • 优化了能识别的字符集合;
  • 优化了对英文的识别效果;
  • 优化了对场景文字的识别效果;
  • 使用接口略有调整,请谨慎更新。

Update 2021.08.24: 发布 cnocr V1.2.3

主要变更:

  • 更改了模型的默认下载urls;
  • 依赖中去掉了对numpy的约束。

Update 2020.05.29: 发布 cnocr V1.2.2

主要变更:

  • CnOcr加入类函数 CnOcr.set_cand_alphabet(cand_alphabet)。可通过此类函数设置cand_alphabet。这样同一个实例也可以指定不同的cand_alphabet进行识别。
  • bugfix:
  • 修复同时初始化多个实例时会报错的问题。

Update 2020.05.25: 发布 cnocr V1.2.1

主要变更:

  • bugfix:
  • 修复了zip文件名的typo。

Update 2020.05.25: 发布 cnocr V1.2.0

主要变更:

  • 优化了对数字识别的准确度。
  • 优化了模型结构,进一步降低了模型的大小,提升了预测速度;最小模型从原来的6.8M降为4.7M
  • 使用了爱因互动 Ein+自己的CDN存储模型文件,下载速度超快。
  • 提供了预测速度更快的 shorter (-s)版预训练模型:densenet-lite-s-grudensenet-lite-s-fc
  • 默认模型由之前的conv-lite-fc改为densenet-lite-fc
  • 预测支持使用GPU。
  • bugfixs:
  • Web 调用时的内存泄露。感谢 @myuanz
  • 输入图片宽度很小时导致异常;
  • 去掉 f-print

Update 2020.04.21: 发布 cnocr V1.1.0

V1.1.0对代码做了很大改动,重写了大部分训练的代码,也生成了更多更难的训练和测试数据。训练好的模型相较于之前版本的模型精度有显著提升,尤其是针对英文单词的识别。

以下列出了主要的变更:

  • 更新了训练代码,使用mxnet的recordio首先把数据转换成二进制格式,提升后续的训练效率。训练时支持对图片做实时数据增强。也加入了更多可传入的参数。

  • 允许训练集中的文字数量不同,目前是中文10个字,英文20个字母。

  • 提供了更多的模型选择,允许大家按需训练多种不同大小的识别模型。

  • 内置了各种训练好的模型,最小的模型只有之前模型的1/5大小。所有模型都可免费使用。

  • 相较于之前版本的模型,新的模型精度有显著提升,尤其是针对英文单词的识别。新模型已经可以识别英文单词间的空格。

  • 支持文字识别只在给定字符集中进行。 对于一些纯数字或者纯英文字母的应用场景可以带来识别率提升。

  • 优化了对黑底白字多行文字图片的支持。

  • mxnet依赖升级到更新的版本了。很多人反馈mxnet 1.4.1经常找不到没法装,现在升级到>=1.5.0,<1.7.0

Update 2019.07.25: 发布 cnocr V1.0.0

cnocr发布了预测效率更高的新版本v1.0.0。新版本的模型跟以前版本的模型不兼容。所以如果大家是升级的话,需要重新下载最新的模型文件。具体说明见下面(流程和原来相同)。

主要改动如下:

  • crnn模型支持可变长预测,提升预测效率
  • 支持利用特定数据对现有模型进行精调(继续训练)
  • 修复bugs,如训练时accuracy一直为0
  • 依赖的 mxnet 版本从1.3.1更新至 1.4.1