CnOCR 纯数字识别新模型

type

status

date

slug

summary

为什么需要纯数字识别模型

有一些 OCR 应用场景，图片中的待识别文字只包含 0~9 的纯数字序列。例如银行卡号、身份证号（注意，中国的身份证有可能末尾出现字母）、硬币年份等。通用的识别模型用在这些应用场景效果往往不够理想。

所以为了这种纯数字的识别场景，我为 CnOCR 训练了一系列新的纯数字识别模型。这些模型只能把图片中的文字识别成 0~9 的数字序列，不包含空格、小数点，正负号等，只能识别 0~9 的数字序列。

下面介绍下这系列纯数字识别模型的训练过程，以及使用方法。

训练数据集的构建

合成数据集

我合成了 1.7M+ 不同字体，不同长度的数字序列样本。一些示例如下：

真实数据集

除了合成数据，我从百度开源的一些场景OCR真实图片数据中过滤出只包含纯数字的 13k+ 的数字序列样本。

同时，数据集中也包含了我自己标注的硬币年份真实图片 2k+ 样本。一些示例如下：

模型训练过程

训练使用的是 CnOCR V2.2.4 ，V2.2.4 训练时的数据增强借鉴了 Meta Nougat 中的增强方式，具体代码参见文件 cnocr/data_utils/transforms.py 。

整个系列模型主要包括3个模型：densenet_lite_136-fc、densenet_lite_136-gru和densenet_lite_666-gru_large，它们都有对应的 PyTorch 和 ONNX 版本，所以总共有6个模型。densenet_lite_666-gru_large是比较大的模型，其他两个依旧继承CnOCR小模型的传统。

三个模型的encoder结构都是densenet，只是前两个模型的densenet层数比较少，后面一个模型的densenet层数比较多。decoder结构有FC或者GRU（2层或者3层）。从模型名字基本可以看出它们的差异，具体模型配置可以参见 CnOCR 最新的代码。模型的参数量和训练出的模型文件大小如下表。

ㅤ	`densenet_lite_136-fc`	`densenet_lite_136-gru`	`densenet_lite_666-gru_large`
参数量	680 K	1.4 M	14.5 M
文件大小	2.7 M	5.5 M	56 M
PyTorch 版本	✔️	✔️	✔️
ONNX 版本	✔️	✔️	✔️

以下是训练过程各个指标对应的曲线图，可以看出 densenet_lite_136-fc、densenet_lite_136-gru和densenet_lite_666-gru_large 三个模型随着模型规模的变大，效果在稳定地变好。

densenet_lite_136-fc：绿色；densenet_lite_136-gru：橙色；densenet_lite_666-gru_large：紫色。 — `densenet_lite_136-fc`：绿色；`densenet_lite_136-gru`：橙色；`densenet_lite_666-gru_large`：紫色。

验证模型效果

三个模型在两个真实数据集上的测试效果如下图。其中 Char Error Rate (CER) 为字错误率，值越低表示模型效果越好。而 Complete Match 表示所有测试样本中，模型预测完全正确（对一个样本的预测数字序列与其真实数字序列完全一致）的样本比例，故值越高表示模型效果越好。下图进一步验证了三个模型随着模型规模的变大，效果稳定变好的结论。

模型的获取方式和使用说明

3个纯数字识别模型在 CnOCR 中名字分别为：number-densenet_lite_136-fc、number-densenet_lite_136-gru和number-densenet_lite_666-gru_large，增加了前缀 number-，以区分一般的识别模型。

在线使用模型

可以在 CnOCR 在线 Demo 上传自己的照片验证这些纯数字识别模型的效果（多刷几次页面，或者使用梯子可访问，具体说明见这里）。

📌

这几个模型是识别模型，如需验证它们的识别效果，建议上传单行数字图片，然后在页面左侧勾选 单行文字模式（不使用检测模型）。否则检测模型会对最终效果有较大影响。

下载模型离线使用

number-densenet_lite_136-fc 开源可直接免费下载，只需要安装 CnOCR >= V2.2.4.1 即可。

number-densenet_lite_136-gru 目前仅星球会员可免费使用。

number-densenet_lite_666-gru_large 需购买使用，购买链接见下表。

为感谢星球会员的支持，星球会员购买所有的个人版模型一律八折。通过下面表格中的链接购买并确认收货后，加小助手为好友，小助手会把折扣金额返现。注意：企业版不提供折扣。

模型的下载方式罗列如下：

检测模型版本	企业购买	个人购买	对星球会员	免费可下载
`number-densenet_lite_136-fc`	✖️	✖️	✔️	✔️
`number-densenet_lite_136-gru`	✖️	✖️	✔️ 免费	✖️
`number-densenet_lite_666-gru_large`	✖️	✔️ B站工房 Lemon Squeezy	✔️ 八折	✖️

下载模型zip文件后，把它们放于 ~/.cnocr/2.2 目录（Windows下默认路径为 C:\Users\<username>\AppData\Roaming\cnocr）。CnOCR 会自动对其进行解压并使用（如有问题，请关注使用时输出的log信息）。

📌

一般应用场景 number-densenet_lite_136-fc 应该就够用。建议先用自己的应用图片（多试几张）在 CnOCR 在线 Demo 上验证效果后再决定是否要购买更大更高精度的模型。

模型使用说明

首先，请确保你用开源的模型跑通了 CnOCR >= V2.2.4.1 ，否则你下载完付费模型也跑不起来。详细安装和使用说明看 CnOCR 在线文档 就行。遇到问题可以在这里评论，或者加入群聊与我沟通，但请注意帮你跑通代码不在星主的服务范围之内（参考星球说明）。

使用方法和 CnOCR 中其他模型一样，只需要把识别模型名称对应的参数 rec_model_name 设置为对应的纯数字识别模型即可，使用方法如下：

分享视频

Youtube

Bilibili

有问题可以在这里评论，或者加入群聊与我沟通，谢谢。