wkhaifor/seal-ocr-ppocrv5

中文印章标题识别

识别从印章中截取并展开的中文公司名称文字条，输出识别文本。模型微调了 PP-OCRv5 Mobile 的 PPLCNetV3、SVTR 和 CTC 分支，提供第 3 轮训练检查点及对应的 Paddle CPU 导出图。

CPU 推理

在下载后的仓库目录中运行：

pip install -r requirements.txt
python predict.py --image /path/to/rectified_title.png --threads 4

输出 JSON 的 text 字段为识别结果。推理需配套 model/inference.json、model/inference.pdiparams 和 model/dictionary.txt。整页扫描件需要先定位印章并展开标题。

数据与结果

训练、验证和测试按公司名称分组。O004 按验证 CER 选择检查点，表中结果来自 1,505 张用真值多边形展开的合成测试图。

划分	原始图像数	公司名称组	实际评训数量
训练	7,000	1,397	6,980
验证	1,495	299	1,495
测试	1,505	300	1,505

来源：Kaggle SEAL_DATASET Version 1，子集 only_stamps/words_under_stamps/datasetA(fake)，共 10,000 张合成章图。使用每张图第一条公司名称及其文本多边形，不把章用途或编号混入本轮识别标签。

模型状态	CER ↓	完整名称匹配率 ↑	字符错误数
v5 官方预训练 CTC 分支	1.3593%	84.6512%	251
O004 最佳训练检查点	0.7474%	92.0930%	138
同检查点 CPU 导出版	0.7582%	91.9601%	140

测试范围为合成文字条，真实合同的端到端识别率仍待验证。 逐轮记录和测试汇总见 metrics/，训练设置见 training/，图表可用 plot_results.py 重绘。

来源与许可

PaddleOCR 上游代码采用 Apache-2.0，许可证副本见 licenses/。训练数据的权利范围以各来源的条款为准。

下载

与作者的 ModelScope 仓库同步发布，权重、数据及评测记录保持一致。

pip install -U huggingface_hub
hf download wkhaifor/seal-ocr-ppocrv5 --local-dir ./seal-ocr-ppocrv5

下载后进入仓库目录，再按上面的示例运行。