英语 | 简体中文 |

OnnxOCR

基于ONNX的高性能多语言OCR引擎

🚀 版本更新

• 2025.05.21
  1. 新增PP-OCRv5模型，单模型支持简体中文、繁体中文、汉语拼音、英语和日语五种语言。
  2. 整体识别准确率相比PP-OCRv4提升13%。
  3. 准确率与PaddleOCR 3.0保持一致。

🌟 核心优势

1. 无需深度学习框架：开箱即用的通用OCR引擎，可直接部署。
2. 跨架构支持：采用PaddleOCR转换的ONNX模型，在有限算力下重新构建，可在ARM和x86架构的计算机上部署且精度不变。
3. 高性能推理：在同等性能的计算机上推理速度更快。
4. 多语言支持：单模型支持简体中文、繁体中文、汉语拼音、英语和日语五种语言。
5. 模型精度：与PaddleOCR模型精度一致。
6. 国产硬件适配：重构代码架构，只需修改推理引擎即可轻松适配更多国产GPU。

🛠️ 环境搭建

python>=3.6  

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt  

注意：

• 默认使用Mobile版本模型；PP-OCRv5_Server-ONNX模型性能更优。
• Mobile模型已位于onnxocr/models/ppocrv5，无需下载；
• PP-OCRv5_Server-ONNX模型体积较大，已上传至百度网盘（提取码：wu8t）。下载后，请将det和rec两个模型放入./models/ppocrv5/目录，替换原有文件。

🚀 一键运行

python test_ocr.py  

📡 API服务（CPU示例）

启动服务

python app-service.py  

测试示例

请求

curl -X POST http://localhost:5005/ocr \  
-H "Content-Type: application/json" \  
-d '{"image": "base64_encoded_image_data"}'  

响应

{  
  "processing_time": 0.456,  
  "results": [  
    {  
      "text": "姓名",  
      "confidence": 0.9999361634254456,  
      "bounding_box": [[4.0, 8.0], [31.0, 8.0], [31.0, 24.0], [4.0, 24.0]]  
    },  
    {  
      "text": "标题",  
      "confidence": 0.9998759031295776,  
      "bounding_box": [[233.0, 7.0], [258.0, 7.0], [258.0, 23.0], [233.0, 23.0]]  
    }  
  ]  
}  

🐳 Docker镜像环境（CPU）

构建镜像

docker build -t ocr-service .  

运行镜像

docker run -itd --name onnxocr-service-v3 -p 5006:5005 onnxocr-service:v3  

POST请求

url: ip:5006/ocr  

响应示例

{  
  "processing_time": 0.456,  
  "results": [  
    {  
      "text": "姓名",  
      "confidence": 0.9999361634254456,  
      "bounding_box": [[4.0, 8.0], [31.0, 8.0], [31.0, 24.0], [4.0, 24.0]]  
    },  
    {  
      "text": "标题",  
      "confidence": 0.9998759031295776,  
      "bounding_box": [[233.0, 7.0], [258.0, 7.0], [258.0, 23.0], [233.0, 23.0]]  
    }  
  ]  
}  

🌟 效果展示

示例1	示例2

示例3	示例4

示例5	示例6

👨💻 联系与交流

求职机会

本人目前正在寻求工作机会，欢迎联系！

OnnxOCR社区

微信群

QQ群

🎉 致谢

感谢PaddleOCR的技术支持！

🌍 开源与捐赠

我热衷于开源和AI技术，相信它们能够为有需要的人带来便利与帮助，让世界变得更美好。如果您认可本项目，可通过支付宝或微信支付支持我们（请备注“支持OnnxOCR”）。

📈 Star历史

🤝 贡献指南

欢迎提交Issue和Pull Request，共同完善本项目！

OnnxOCR 快速上手指南

OnnxOCR 是一个基于 ONNX 的高性能多语言 OCR 引擎，无需依赖深度学习框架即可直接部署。它支持简中、繁中、拼音、英文和日文五种语言，且在 ARM 和 x86 架构下均能保持高精度与高性能。

1. 环境准备

• 操作系统：Linux / Windows / macOS (支持 ARM 及 x86 架构)
• Python 版本：≥ 3.6
• 前置依赖：无特殊系统级依赖，仅需安装 Python 包

2. 安装步骤

推荐使用国内镜像源加速依赖安装：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt

关于模型文件的说明：

• 默认模型：安装包已内置 Mobile 版模型 (onnxocr/models/ppocrv5)，安装后可直接使用。
• 高性能模型（可选）：若需更高精度，可下载 PP-OCRv5_Server-ONNX 模型。
  • 下载地址：百度网盘 (提取码：wu8t)
  • 使用方法：下载后解压，将 det 和 rec 文件夹覆盖至 ./models/ppocrv5/ 目录。

3. 基本使用

方式一：本地脚本测试（最简单）

运行官方提供的测试脚本，即可对预设图片进行识别：

python test_ocr.py

方式二：启动 API 服务

若需作为后端服务调用，可启动 HTTP 服务（默认端口 5005）：

启动服务：

python app-service.py

发送请求测试：

curl -X POST http://localhost:5005/ocr \
-H "Content-Type: application/json" \
-d '{"image": "base64_encoded_image_data"}'

响应示例： 服务将返回识别出的文本、置信度及边界框坐标：

{
  "processing_time": 0.456,
  "results": [
    {
      "text": "Name",
      "confidence": 0.9999361634254456,
      "bounding_box": [[4.0, 8.0], [31.0, 8.0], [31.0, 24.0], [4.0, 24.0]]
    }
  ]
}

方式三：Docker 部署（可选）

构建镜像：

docker build -t ocr-service .

运行容器：

docker run -itd --name onnxocr-service-v3 -p 5006:5005 onnxocr-service:v3

注：Docker 模式下默认访问端口为 5006。