百度, PP-OCRv6'yı yayınladı: On milyonlarca parametre, milyarlarca seviyedeki VLM'lerle rekabet ediyor, tek model 50 dili destekliyor.

动察 Beating tarafından yapılan izlemeye göre, Baidu PaddlePaddle ekibi yeni nesil OCR sistemi PP-OCRv6'yı piyasaya sürdü. Sistem, Tiny 1.5M, Small 7.7M ve Medium 34.5M olmak üzere üç versiyon sunarak uç cihazlar, tarayıcılar ve bulut dağıtım senaryolarını kapsıyor. Önceki nesil PP-OCRv5'e kıyasla algılama doğruluğu %4,6, tanıma doğruluğu ise %5,1 oranında artırıldı. Ayrıca Çince, İngilizce, Japonca ve 46 Latin kökenli dil tek bir birleşik modelde toplandı.

PP-OCRv6, algılama ve tanıma ağlarını yeniden tasarlayarak birleşik modül yapısı ve Yapısal Yeniden Parametrelendirme (Structural Reparameterization) teknolojisini tanıttı. Bu sayede doğruluk artırılırken hesaplama maliyeti düşürüldü. OpenVINO optimizasyonu altında Medium versiyonunun uçtan uca CPU çıkarım hızı en fazla 5,2 kata kadar yükseltildi.

Resmi olarak açıklanan test sonuçlarına göre PP-OCRv6, on milyonlarca parametre ölçeğiyle birçok OCR benchmarkında, bazı milyar seviyesindeki görsel dil modelleri VLM'nin performansına yaklaştı hatta onları geçti. Ekip ayrıca el yazısı, endüstriyel bileşen etiketleri, dijital ekranlar, PCB baskıları ve CAD çizimleri gibi senaryolar için özel optimizasyonlar gerçekleştirdi. İlgili kodlar halihazırda PaddleOCR projesine entegre edilmiş ve açık kaynak olarak sunulmuştur.