作者：深大飞桨领航团团长 周家杰
一，前言
光学字符识别（OCR）技术在数字化时代扮演着越来越重要的角色，从文档数字化到智能表单处理，OCR技术的应用场景日益广泛。PP-OCRv5作为百度飞桨团队推出的最新OCR模型，在精度和速度上都有显著提升。然而，如何客观、全面地评估OCR模型在不同场景下的性能表现，一直是业界关注的重点。
今天，我们为大家介绍一个专门为PP-OCRv5打造的C++基准测试工具——PP-OCRv5-Cpp-Baseline，这是一个集成了完整测试流程、支持GPU加速、提供详细性能分析的开源项目。
二，项目亮点
一键式测试流程
不同于传统的分步骤测试方法，我们的工具提供了完全自动化的测试流程：
# 三步即可完成完整测试
./scripts/setup_environment.sh # 环境配置
./scripts/compile_dependencies.sh # 依赖安装
./scripts/startup.sh # 运行测试环境配置
setup_environment.sh 脚本会自动完成所有必要的环境准备工作，包括：系统包更新、CUDA环境检测、GCC编译器安装、Conda环境创建、以及PaddleOCR依赖库的自动下载和配置。整个过程完全自动化，确保所有用户都能获得一致的测试环境。
依赖安装
compile_dependencies.sh脚本负责编译和安装所有必要的C++依赖库，包括：PaddleOCR源码克隆、OpenCV库编译、PaddlePaddle推理库配置、以及CMake项目构建。
环境配置和依赖安装完成后，还会编译运行官方的PP-OCRv5 C++示例程序，确保基础环境配置正确。
Benchmark运行
startup.sh 脚本执行完整的基准测试流程，自动加载测试数据集、运行PP-OCRv5推理、记录性能指标、计算准确率，并生成详细的测试报告。整个过程实时显示进度和中间结果。
查看结果
测试完成后，结果会按时间戳自动保存到项目根目录下：
output/
├── batch_results_20250924_103601/ # 按时间戳创建的结果目录
│ ├── benchmark_output.log # 完整的基准测试日志
│ ├── benchmark_summary.md # Markdown格式的详细结果表格
│ └── summary.txt # 性能指标汇总
├── image_1.png.jpg # 处理后的可视化结果图片
├── image_2.png.jpg # （包含OCR检测框和识别文本）
├── image_3.png.jpg
├── ...
├── image_1.png.json # 对应的JSON格式结果数据
├── image_2.png.json # （包含坐标和识别文本）
├── image_3.png.json
└── ...
logs/ # 构建和运行日志目录
├── cmake_20250924_103601.log # CMake配置日志
├── make_20250924_103601.log # 编译日志
└── accuracy_20250924_103601.txt # 准确率简要记录
三，硬件测试平台
测试环境配置
为了提供准确、可重现的基准测试结果，我们在以下算力魔方4060硬件平台
https://www.pasuntech.com.cn/2609.html上进行了性能评测：
配置项目 | 硬件配置 |
|---|---|
| GPU | NVIDIA GeForce RTX 4060 |
| 显存 | 8GB GDDR6 |
| CPU | Intel Core i5-10210U |
| 核心数 | 4核8线程 @ 1.60GHz |
| 内存 | 32GB DDR4 |
| 操作系统 | Ubuntu 24.04.3 LTS |
| CUDA驱动 | 550.163.01 |
软件环境
PaddleInference 3.0.0: 推理引擎核心
OpenCV 4.7.0: 图像处理库
CUDA 11.8: GPU加速支持
cuDNN 8.9.2: 深度学习加速库
四，性能测试结果
基准测试数据
真实场景数据集
相比单一的学术数据集，我们构建了更贴近实际应用的多场景测试数据 ——这种多样化的数据集能够更好地反映PP-OCRv5在真实世界中的表现。
街景标识：户外招牌、路标等
✍️ 手写文本：手写笔记等
试卷文档：考试试卷等
教材课本：教科书页面等
报纸媒体：新闻报道、杂志文章等
在我们的多场景数据集上，PP-OCRv5展现出了优异的性能：
硬件配置 | 平均推理时间 | 平均FPS | 平均CPS | 平均准确率 |
|---|---|---|---|---|
RTX 4060 | 2234.11ms | 0.70 | 465.87 | 92.34% |
性能指标说明：
FPS (Frames Per Second)：每秒处理的图像帧数，反映系统处理速度
CPS (Characters Per Second)：每秒识别的字符数量，衡量实际文字处理能力
准确率 (Accuracy)：基于字符级编辑距离计算的识别准确率
数据集准备
我们的工具支持使用自定义数据集进行性能评测。以下是详细的准备步骤：
数据集目录结构
将您的数据集按照以下结构组织：
images/
├── image_1.png # 测试图像文件
├── image_2.png
├── image_3.png
├── ...
├── image_N.png
└── labels.json # 标注文件图像文件要求
格式支持：PNG、JPG、JPEG、BMP、TIFF
标注文件格式
labels.json 文件需要按照以下JSON格式编写：
{
"image_1.png": [
{
"text": "文本内容",
"bbox": [
[x1, y1], // 左上角坐标
[x2, y2], // 右上角坐标
[x3, y3], // 右下角坐标
[x4, y4] // 左下角坐标
]
},
{
"text": "另一段文本",
"bbox": [
[x1, y1], // 左上角坐标
[x2, y2], // 右上角坐标
[x3, y3], // 右下角坐标
[x4, y4] // 左下角坐标
]
},
// ...
],
"image_2.png": [
// 第二张图像的标注...
]
}在AI技术快速发展的今天，客观、科学的评测体系显得尤为重要。我们相信，通过这样的开源项目，能够为OCR技术的发展贡献一份力量。
项目地址：https://github.com/Chris-godz/PP-OCRv5-Cpp-Baseline
技术交流：欢迎提交Issue或PR参与项目建设
声明：本项目基于PaddleOCR开源框架，感谢百度飞桨团队的卓越贡献。
这篇文章展示了我们对OCR技术评测的思考和实践。如果您在使用过程中有任何问题或建议，欢迎与我们交流！
如果你有更好的文章，欢迎投稿！
稿件接收邮箱：nami.liu@pasuntech.com
更多精彩内容请关注“算力魔方®”！
