总览¶

权重¶

以下是可用于推理的权重列表。

为了便于使用，有的权重可能会存在多个较短的别名，这在表格中将用“/”分隔。

例如，表格中展示的 DB_r18 / dbnet_resnet18_fpnc_1200e_icdar2015 表示您可以使用 DB_r18 或 dbnet_resnet18_fpnc_1200e_icdar2015 来初始化推理器：

>>> from mmocr.apis import TextDetInferencer
>>> inferencer = TextDetInferencer(model='DB_r18')
>>> # 等价于
>>> inferencer = TextDetInferencer(model='dbnet_resnet18_fpnc_1200e_icdar2015')

文字检测¶

模型	README	ICDAR2015 (hmean-iou)	CTW1500 (hmean-iou)	Totaltext (hmean-iou)
`DB_r18` / `dbnet_resnet18_fpnc_1200e_icdar2015`	链接	0.8169	-	-
`dbnet_resnet50_fpnc_1200e_icdar2015`	链接	0.8504	-	-
`dbnet_resnet50-dcnv2_fpnc_1200e_icdar2015`	链接	0.8543	-	-
`DB_r50` / `DBNet` / `dbnet_resnet50-oclip_fpnc_1200e_icdar2015`	链接	0.8644	-	-
`dbnet_resnet18_fpnc_1200e_totaltext`	链接	-	-	0.8182
`DBPP_r50` / `dbnetpp_resnet50_fpnc_1200e_icdar2015`	链接	0.8622	-	-
`dbnetpp_resnet50-dcnv2_fpnc_1200e_icdar2015`	链接	0.8684	-	-
`DBNetpp` / `dbnetpp_resnet50-oclip_fpnc_1200e_icdar2015`	链接	0.8882	-	-
`MaskRCNN_CTW` / `mask-rcnn_resnet50_fpn_160e_ctw1500`	链接	-	0.7458	-
`mask-rcnn_resnet50-oclip_fpn_160e_ctw1500`	链接	-	0.7562	-
`MaskRCNN_IC15` / `mask-rcnn_resnet50_fpn_160e_icdar2015`	链接	0.8182	-	-
`MaskRCNN` / `mask-rcnn_resnet50-oclip_fpn_160e_icdar2015`	链接	0.8513	-	-
`DRRG` / `drrg_resnet50_fpn-unet_1200e_ctw1500`	链接	-	0.8467	-
`FCE_CTW_DCNv2` / `fcenet_resnet50-dcnv2_fpn_1500e_ctw1500`	链接	-	0.8488	-
`fcenet_resnet50-oclip_fpn_1500e_ctw1500`	链接	-	0.8192	-
`FCE_IC15` / `fcenet_resnet50_fpn_1500e_icdar2015`	链接	0.8528	-	-
`FCENet` / `fcenet_resnet50-oclip_fpn_1500e_icdar2015`	链接	0.8604	-	-
`fcenet_resnet50_fpn_1500e_totaltext`	链接	-	-	0.8134
`PANet_CTW` / `panet_resnet18_fpem-ffm_600e_ctw1500`	链接	-	0.777	-
`PANet_IC15` / `panet_resnet18_fpem-ffm_600e_icdar2015`	链接	0.7848	-	-
`PS_CTW` / `psenet_resnet50_fpnf_600e_ctw1500`	链接	-	0.7793	-
`psenet_resnet50-oclip_fpnf_600e_ctw1500`	链接	-	0.8037	-
`PS_IC15` / `psenet_resnet50_fpnf_600e_icdar2015`	链接	0.7998	-	-
`PSENet` / `psenet_resnet50-oclip_fpnf_600e_icdar2015`	链接	0.8478	-	-
`textsnake_resnet50_fpn-unet_1200e_ctw1500`	链接	-	0.8286	-
`TextSnake` / `textsnake_resnet50-oclip_fpn-unet_1200e_ctw1500`	链接	-	0.8529	-

文字识别¶

注解

Avg 指该模型在 IIIT5K、SVT、ICDAR2013、ICDAR2015、SVTP、CT80 上的平均结果。

模型	README	Avg (word_acc)	IIIT5K (word_acc)	SVT (word_acc)	ICDAR2013 (word_acc)	ICDAR2015 (word_acc)	SVTP (word_acc)	CT80 (word_acc)
`ABINet_Vision` / `abinet-vision_20e_st-an_mj`	链接	0.88	0.95	0.91	0.94	0.79	0.84	0.84
`ABINet` / `abinet_20e_st-an_mj`	链接	0.91	0.96	0.94	0.95	0.81	0.89	0.88
`ASTER` / `aster_resnet45_6e_st_mj`	链接	0.86	0.94	0.89	0.93	0.77	0.81	0.85
`CRNN` / `crnn_mini-vgg_5e_mj`	链接	0.70	0.81	0.81	0.87	0.56	0.61	0.57
`MASTER` / `master_resnet31_12e_st_mj_sa`	链接	0.88	0.95	0.90	0.95	0.76	0.85	0.89
`nrtr_modality-transform_6e_st_mj`	链接	0.83	0.92	0.88	0.94	0.72	0.78	0.75
`NRTR` / `NRTR_1/8-1/4` / `nrtr_resnet31-1by8-1by4_6e_st_mj`	链接	0.87	0.95	0.88	0.95	0.76	0.80	0.89
`NRTR_1/16-1/8` / `nrtr_resnet31-1by16-1by8_6e_st_mj`	链接	0.87	0.95	0.90	0.94	0.74	0.80	0.89
`svtr-small` / `svtr-small_20e_st_mj`	链接	0.86	0.86	0.90	0.94	0.75	0.85	0.89
`svtr-base` / `svtr-base_20e_st_mj`	链接	0.87	0.86	0.92	0.94	0.74	0.84	0.90
`RobustScanner` / `robustscanner_resnet31_5e_st-sub_mj-sub_sa_real`	链接	0.87	0.95	0.89	0.93	0.76	0.81	0.87
`SAR` / `sar_resnet31_parallel-decoder_5e_st-sub_mj-sub_sa_real`	链接	0.88	0.95	0.88	0.94	0.76	0.83	0.90
`sar_resnet31_sequential-decoder_5e_st-sub_mj-sub_sa_real`	链接	0.87	0.96	0.87	0.94	0.77	0.81	0.89
`SATRN` / `satrn_shallow_5e_st_mj`	链接	0.90	0.96	0.92	0.96	0.80	0.88	0.90
`SATRN_sm` / `satrn_shallow-small_5e_st_mj`	链接	0.88	0.94	0.90	0.96	0.79	0.86	0.85