Hugging Face's logo

Transformers documentation

PP-OCRv5_mobile_det

You are viewing main version, which requires installation from source. If you'd like regular pip install, checkout the latest stable version (v5.22.2).
Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

该模型于 2026-03-13 贡献至 Hugging Face Transformers。

PP-OCRv5_mobile_det

概述

PP-OCRv5_mobile_det 是一款专为文本检测打造的轻量级模型，专注于在多语言文档和自然场景中高效地检测和理解文本元素。

模型架构

PP-OCRv5_mobile_det 是 PP-OCRv5_det 系列中的一员，该系列是 PaddleOCR 团队开发的最新一代文本检测模型。它旨在高效且准确地支持多种场景下的文本检测，包括手写体、竖排、旋转和弯曲文本，并覆盖简体中文、繁体中文、英语和日语等多种语言。其主要特性包括对复杂版面、不同文本尺寸以及具有挑战性的背景具有强大的处理能力，因此适用于文档分析、车牌识别和场景文本检测等实际应用。

用法

单输入推理

以下示例演示了如何使用 Pipeline 或 AutoModel 通过 PP-OCRV5_Mobile_Det 检测文本。

Pipeline
AutoModel
import requests
from PIL import Image

from transformers import pipeline


image = Image.open(
    requests.get(
        "https://huggingface.co/datasets/hf-internal-testing/transformers-synthetic-assets/resolve/main/images/paddle_general_ocr_001.png", stream=True
    ).raw)
detector = pipeline(
    task="object-detection",
    model="PaddlePaddle/PP-OCRV5_mobile_det_safetensors",
    device_map="auto",
)
results = detector(image)

for result in results:
    print(result)

批量推理

以下是如何使用 PP-OCRV5_Mobile_Det 配合 Pipeline 或 AutoModel 来实现：

Pipeline
AutoModel
import requests
from PIL import Image

from transformers import pipeline


image = Image.open(
    requests.get(
        "https://huggingface.co/datasets/hf-internal-testing/transformers-synthetic-assets/resolve/main/images/paddle_general_ocr_001.png", stream=True
    ).raw)
detector = pipeline(
    task="object-detection",
    model="PaddlePaddle/PP-OCRV5_mobile_det_safetensors",
    device_map="auto",
)
results = detector([image, image])

for result in results:
    print(result)

PPOCRV5MobileDetForObjectDetection

class transformers.PPOCRV5MobileDetForObjectDetection

< >

( config: PPOCRV5MobileDetConfig )

参数

  • config (PPOCRV5MobileDetConfig) — 模型配置类，包含模型的所有参数。使用配置文件进行初始化时，不会加载与模型关联的权重，仅加载配置。请查看 from_pretrained() 方法以加载模型权重。

用于目标（文本）检测任务的 PPOCRV5 Mobile Det 模型。封装了核心 PPOCRV5MobileDetModel，并返回与 Transformers 目标检测 API 兼容的输出。

该模型继承自 PreTrainedModel。请查阅父类文档，了解该库为所有模型实现的通用方法（例如下载或保存、调整输入嵌入大小、剪枝头等）。

该模型也是 PyTorch torch.nn.Module 的子类。 请将其作为常规的 PyTorch Module 使用，有关通用用法和行为的所有事项，请参阅 PyTorch 文档。

PPOCRV5MobileDetConfig

class transformers.PPOCRV5MobileDetConfig

< >

( transformers_version: str | None = Nonearchitectures: list[str] | None = Noneoutput_hidden_states: bool | None = Falsereturn_dict: bool | None = Truedtype: str | torch.dtype | None = Nonechunk_size_feed_forward: int = 0is_encoder_decoder: bool = Falseid2label: dict[int, str] | dict[str, str] | None = Nonelabel2id: dict[str, int] | dict[str, str] | None = Noneproblem_type: Literal['regression', 'single_label_classification', 'multi_label_classification'] | None = Nonebackbone_config: dict | transformers.configuration_utils.PreTrainedConfig | None = Nonereduction: int = 4neck_out_channels: int = 96interpolate_mode: str = 'nearest'kernel_list: list[int] | tuple[int, ...] = (3, 2, 2)layer_list_out_channels: list[int] | tuple[int, ...] = (12, 18, 42, 360) )

参数

  • backbone_config (Union[dict, ~configuration_utils.PreTrainedConfig]，可选) — 主干模型的配置。
  • reduction (int，可选，默认为 4) — 用于特征通道维度的缩减因子，在保持特征表示能力的同时，减少模型参数数量和计算复杂度。
  • neck_out_channels (int，可选，默认为 96) — 颈部网络的输出通道数。该网络负责在将特征传递到头部网络之前进行特征融合与细化。
  • interpolate_mode (str，可选，默认为 "nearest") — 在 neck 网络中对特征图进行上采样或下采样时使用的插值模式。支持的模式包括 "nearest"（最近邻插值）和 "bilinear"（双线性插值）。
  • kernel_list (List[int]，可选，默认为 [3, 2, 2]) — 头网络中卷积层的核大小列表，用于多尺度特征提取，以检测不同大小的文本区域。
  • layer_list_out_channels (List[int]，可选，默认为 [12, 18, 42, 360]) — 骨干网络各阶段的输出通道数列表，用于配置颈部网络中 RSE 层的输入通道，以实现多尺度特征融合。

这是用于存储 Pp Ocrv5 Mobile DetModel 配置的类。它根据指定的参数实例化 Pp Ocrv5 Mobile Det 模型，并定义模型架构。使用默认值实例化配置将得到与 PaddlePaddle/PP-OCRv5_mobile_det_safetensors 类似的配置。

配置对象继承自 PreTrainedConfig，可用于控制模型输出。有关更多信息，请参阅 PreTrainedConfig 的文档。

PPOCRV5MobileDetModel

class transformers.PPOCRV5MobileDetModel

< >

( config: PPOCRV5MobileDetConfig )

参数

  • config (PPOCRV5MobileDetConfig) — 模型配置类，包含模型的所有参数。使用配置文件进行初始化时，不会加载与模型关联的权重，仅加载配置。请查看 from_pretrained() 方法以加载模型权重。

核心 PP-OCRv5_mobile_det，由 Backbone、Neck 和 Head 网络组成。 为文本检测任务生成二值文本分割图。

该模型继承自 PreTrainedModel。请查阅父类文档，了解该库为所有模型实现的通用方法（例如下载或保存、调整输入嵌入大小、剪枝头等）。

该模型也是 PyTorch torch.nn.Module 的子类。 请将其作为常规的 PyTorch Module 使用，有关通用用法和行为的所有事项，请参阅 PyTorch 文档。

Update on GitHub

←PP-FormulaNet PP-OCRv5_mobile_rec→