本文给出了PaddleOCR已支持的OCR算法列表，以及每个算法在英文公开数据集上的模型和指标，主要用于算法简介和算法性能对比，更多包括中文在内的其他数据集上的模型请参考PP-OCRv3 系列模型下载。
PaddleOCR将持续新增支持OCR领域前沿算法与模型，欢迎广大开发者合作共建，贡献更多算法，合入有奖🎁！具体可查看社区常规赛。
新增算法可参考教程：使用PaddleOCR架构添加新算法
已支持的文本检测算法列表（戳链接获取使用教程）：
在ICDAR2015文本检测公开数据集上，算法效果如下：
| 模型 | 骨干网络 | precision | recall | Hmean | 下载链接 |
|---|---|---|---|---|---|
| EAST | ResNet50_vd | 88.71% | 81.36% | 84.88% | 训练模型 |
| EAST | MobileNetV3 | 78.20% | 79.10% | 78.65% | 训练模型 |
| DB | ResNet50_vd | 86.41% | 78.72% | 82.38% | 训练模型 |
| DB | MobileNetV3 | 77.29% | 73.08% | 75.12% | 训练模型 |
| SAST | ResNet50_vd | 91.39% | 83.77% | 87.42% | 训练模型 |
| PSE | ResNet50_vd | 85.81% | 79.53% | 82.55% | 训练模型 |
| PSE | MobileNetV3 | 82.20% | 70.48% | 75.89% | 训练模型 |
| DB++ | ResNet50 | 90.89% | 82.66% | 86.58% | 合成数据预训练模型/训练模型 |
在Total-text文本检测公开数据集上，算法效果如下：
| 模型 | 骨干网络 | precision | recall | Hmean | 下载链接 |
|---|---|---|---|---|---|
| SAST | ResNet50_vd | 89.63% | 78.44% | 83.66% | 训练模型 |
| CT | ResNet18_vd | 88.68% | 81.70% | 85.05% | 训练模型 |
在CTW1500文本检测公开数据集上，算法效果如下：
| 模型 | 骨干网络 | precision | recall | Hmean | 下载链接 |
|---|---|---|---|---|---|
| FCE | ResNet50_dcn | 88.39% | 82.18% | 85.27% | 训练模型 |
| DRRG | ResNet50_vd | 89.92% | 80.91% | 85.18% | 训练模型 |
说明： SAST模型训练额外加入了icdar2013、icdar2017、COCO-Text、ArT等公开数据集进行调优。PaddleOCR用到的经过整理格式的英文公开数据集下载：
- 百度云地址 (提取码: 2bpi)
- Google Drive下载地址
已支持的文本识别算法列表（戳链接获取使用教程）：
- CRNN
- Rosetta
- STAR-Net
- RARE
- SRN
- NRTR
- SAR
- SEED
- SVTR
- ViTSTR
- ABINet
- VisionLAN
- SPIN
- RobustScanner
- RFL
- ParseQ
- CPPD
- SATRN
参考DTRB[3]文字识别训练和评估流程，使用MJSynth和SynthText两个文字识别数据集训练，在IIIT, SVT, IC03, IC13, IC15, SVTP, CUTE数据集上进行评估，算法效果如下：
| 模型 | 骨干网络 | Avg Accuracy | 模型存储命名 | 下载链接 |
|---|---|---|---|---|
| Rosetta | Resnet34_vd | 79.11% | rec_r34_vd_none_none_ctc | 训练模型 |
| Rosetta | MobileNetV3 | 75.80% | rec_mv3_none_none_ctc | 训练模型 |
| CRNN | Resnet34_vd | 81.04% | rec_r34_vd_none_bilstm_ctc | 训练模型 |
| CRNN | MobileNetV3 | 77.95% | rec_mv3_none_bilstm_ctc | 训练模型 |
| StarNet | Resnet34_vd | 82.85% | rec_r34_vd_tps_bilstm_ctc | 训练模型 |
| StarNet | MobileNetV3 | 79.28% | rec_mv3_tps_bilstm_ctc | 训练模型 |
| RARE | Resnet34_vd | 83.98% | rec_r34_vd_tps_bilstm_att | 训练模型 |
| RARE | MobileNetV3 | 81.76% | rec_mv3_tps_bilstm_att | 训练模型 |
| SRN | Resnet50_vd_fpn | 86.31% | rec_r50fpn_vd_none_srn | 训练模型 |
| NRTR | NRTR_MTB | 84.21% | rec_mtb_nrtr | 训练模型 |
| SAR | Resnet31 | 87.20% | rec_r31_sar | 训练模型 |
| SEED | Aster_Resnet | 85.35% | rec_resnet_stn_bilstm_att | 训练模型 |
| SVTR | SVTR-Tiny | 89.25% | rec_svtr_tiny_none_ctc_en | 训练模型 |
| ViTSTR | ViTSTR | 79.82% | rec_vitstr_none_ce | 训练模型 |
| ABINet | Resnet45 | 90.75% | rec_r45_abinet | 训练模型 |
| VisionLAN | Resnet45 | 90.30% | rec_r45_visionlan | 训练模型 |
| SPIN | ResNet32 | 90.00% | rec_r32_gaspin_bilstm_att | 训练模型 |
| RobustScanner | ResNet31 | 87.77% | rec_r31_robustscanner | 训练模型 |
| RFL | ResNetRFL | 88.63% | rec_resnet_rfl_att | 训练模型 |
| ParseQ | VIT | 91.24% | rec_vit_parseq_synth | 训练模型 |
| CPPD | SVTR-Base | 93.8% | rec_svtrnet_cppd_base_en | 训练模型 |
| SATRN | ShallowCNN | 88.05% | rec_satrn | 训练模型 |
已支持的文本超分辨率算法列表（戳链接获取使用教程）：
在TextZoom公开数据集上，算法效果如下：
| 模型 | 骨干网络 | PSNR_Avg | SSIM_Avg | 配置文件 | 下载链接 |
|---|---|---|---|---|---|
| Text Gestalt | tsrn | 19.28 | 0.6560 | configs/sr/sr_tsrn_transformer_strock.yml | 训练模型 |
| Text Telescope | tbsrn | 21.56 | 0.7411 | configs/sr/sr_telescope.yml | 训练模型 |
已支持的公式识别算法列表（戳链接获取使用教程）：
在CROHME手写公式数据集上，算法效果如下：
| 模型 | 骨干网络 | 配置文件 | ExpRate | 下载链接 |
|---|---|---|---|---|
| CAN | DenseNet | rec_d28_can.yml | 51.72% | 训练模型 |
在LaTeX-OCR印刷公式数据集上，算法效果如下：
| 模型 | 骨干网络 | 配置文件 | BLEU score | normed edit distance | ExpRate | 下载链接 |
|---|---|---|---|---|---|---|
| LaTeX-OCR | Hybrid ViT | rec_latex_ocr.yml | 0.8821 | 0.0823 | 40.01% | 训练模型 |
已支持的端到端OCR算法列表（戳链接获取使用教程）：
已支持的表格识别算法列表（戳链接获取使用教程）：
在PubTabNet表格识别公开数据集上，算法效果如下：
| 模型 | 骨干网络 | 配置文件 | acc | 下载链接 |
|---|---|---|---|---|
| TableMaster | TableResNetExtra | configs/table/table_master.yml | 77.47% | 训练模型 / 推理模型 |
已支持的关键信息抽取算法列表（戳链接获取使用教程）：
在wildreceipt发票公开数据集上，算法复现效果如下：
| 模型 | 骨干网络 | 配置文件 | hmean | 下载链接 |
|---|---|---|---|---|
| SDMGR | VGG6 | configs/kie/sdmgr/kie_unet_sdmgr.yml | 86.70% | 训练模型 |
在XFUND_zh公开数据集上，算法效果如下：
| 模型 | 骨干网络 | 任务 | 配置文件 | hmean | 下载链接 |
|---|---|---|---|---|---|
| VI-LayoutXLM | VI-LayoutXLM-base | SER | ser_vi_layoutxlm_xfund_zh_udml.yml | 93.19% | 训练模型 |
| LayoutXLM | LayoutXLM-base | SER | ser_layoutxlm_xfund_zh.yml | 90.38% | 训练模型 |
| LayoutLM | LayoutLM-base | SER | ser_layoutlm_xfund_zh.yml | 77.31% | 训练模型 |
| LayoutLMv2 | LayoutLMv2-base | SER | ser_layoutlmv2_xfund_zh.yml | 85.44% | 训练模型 |
| VI-LayoutXLM | VI-LayoutXLM-base | RE | re_vi_layoutxlm_xfund_zh_udml.yml | 83.92% | 训练模型 |
| LayoutXLM | LayoutXLM-base | RE | re_layoutxlm_xfund_zh.yml | 74.83% | 训练模型 |
| LayoutLMv2 | LayoutLMv2-base | RE | re_layoutlmv2_xfund_zh.yml | 67.77% | 训练模型 |