基于 NCNN 的 Chinese-Lite 模型测试

1. 模型效果测试

1.1 光照

1.1.1 暗

原图

基于 NCNN 的 Chinese-Lite 模型

1.1.2 正常

原图

基于 NCNN 的 Chinese-Lite 模型

1.2 文字密度

1.2.1 稀疏

原图

基于 NCNN 的 Chinese-Lite 模型

1.2.2 密集

原图

基于 NCNN 的 Chinese-Lite 模型

1.3 颜色

1.3.1 字体颜色

原图

基于 NCNN 的 Chinese-Lite 模型

1.3.2 背景颜色

原图

基于 NCNN 的 Chinese-Lite 模型

1.4 方向和褶皱

1.4.1 60°

原图

基于 NCNN 的 Chinese-Lite 模型

1.4.2 120°

原图

基于 NCNN 的 Chinese-Lite 模型

不能检测和识别

1.4.3 180°

原图

基于 NCNN 的 Chinese-Lite 模型

1.4.4 360°

原图

基于 NCNN 的 Chinese-Lite 模型

1.4.5 褶皱一

原图

基于 NCNN 的 Chinese-Lite 模型

1.4.6 褶皱二

原图

基于 NCNN 的 Chinese-Lite 模型

1.5 字体

1.5.1 手写体

原图

基于 NCNN 的 Chinese-Lite 模型

2. 与其他模型对比

2.1 较暗图片

Chinese-Lite 弱于 PaddleOCR.

Chinese-Lite 弱于竞品.

2.2 文字密度

对于稀疏文字, PaddleOCR 效果和 Chinese-Lite 不相上下 ; Chinese-Lite 检测优于竞品, 识别弱于竞品.

对于密集文字, Chinese-Lite 检测和 PaddleOCR 同样优秀, 识别优于 PaddleOCR.Chinese-Lite 检测优于竞品, 识别弱于竞品.

2.3 颜色

对于字体颜色, Chinese-Lite 检测和识别优于 PaddleOCR ; Chinese-Lite 识别弱于竞品

对于背景颜色, Chinese-Lite 检测优于 PaddleOCR, 不会出现漏检, 识别率弱于PaddleOCR. Chinese-Lite 识别率弱于竞品

2.4 不同角度

60度: Chinese-Lite 检测和识别优于PaddleOCR, 但识别中无法还原正确语序 ; Chinese-Lite 检测和识别优于竞品.

120度: Chinese-Lite 不能检测和识别.

180度: Chinese-Lite 检测弱于 PaddleOCR, 识别优于 PaddleOCR. Chinese-Lite 识别弱于竞品.

2.5 扭曲变形

Chinese-Lite 检测识别优于 PaddleOCR, 基本能够检测识别出大部分内容.

Chinese-Lite 识别弱于竞品.

2.6 手写体

Chinese-Lite 对手写体几乎不能检测.

2.7 总体分析

检测方面: PaddleOCR 尽可能多地以行为单位, 而 Chinese-Lite 更多是以几个单词为一个单位. 猜测这就是 Chinese-Lite 会在褶皱方面优于 PaddleOCR 的原因.

识别方面: PaddleOCR 更注重识别出每个字符, 而 Chinese-Lite 更注重分词（很少出现字母连贯）.

速度方面: Chinese-Lite 的速度较 PaddleOCR 要慢上一些.

竞品整体的效果还是要强于 Chinese-Lite.