生僻字识别不到

[shuyazzz]

🔎 Search before asking

• I have searched the PaddleOCR Docs and found no similar bug report.
• I have searched the PaddleOCR Issues and found no similar bug report.
• I have searched the PaddleOCR Discussions and found no similar bug report.

🐛 Bug (问题描述)

使用paddleocr识别图片文字，识别不到生僻字，比如滂

🏃‍♂️ Environment (运行环境)

paddlepaddle==2.5.2
paddleocr==2.7.3

🌰 Minimal Reproducible Example (最小可复现问题的Demo)

def get_ocr_res(image):
det_model_dir = '/tmp/.paddleocr/whl/det/ch/ch_PP-OCRv4_det_infer'
rec_model_dir = '/tmp/.paddleocr/whl/rec/ch/ch_PP-OCRv4_rec_infer'
cls_model_dir = '/tmp/.paddleocr/whl/cls/ch_ppocr_mobile_v2.0_cls_infer'
ocr = PaddleOCR(det_model_dir=det_model_dir, rec_model_dir=rec_model_dir,
cls_model_dir=cls_model_dir, use_angle_cls=True, use_gpu=False)
results = ocr.ocr(image)
trans_res = []
for idx in range(len(results)):
res = results[idx]
if res is not None:
for line in res:
trans_res.append((line[1][0], line[0]))
return trans_res

get_ocr_res(image)

[jingsongliujing]

目前只支持常用汉字，对于生僻字建议可以使用相关数据微调

[GreatV]

PaddleOCR 在识别生僻字（如「滂」）时可能出现识别不到的情况，主要原因可能有以下几点：

1. 字符集不包含该生僻字
   PaddleOCR 的中文识别模型依赖于一个固定的识别字符集（通常是 ppocr_keys_v1.txt 或 v2、v3）。如果生僻字不在这个字符集中，即使模型能够正确定位该文字区域，也无法输出正确的字符预测。

2. 训练数据中未包含该生僻字
   学习型模型的识别能力依赖于训练时所使用的数据，如果训练数据中很少或没有包含如「滂」这样的生僻字，即使字符集支持，也难以准确识别。

3. 字体问题
   一些生僻字在特定字体或渲染方式下可能不易被识别模型理解。例如图片中的字体不清晰或字形特别复杂。

🧩 解决办法建议：

• ✅ 检查字符集：
  查看你在使用的识别模型所使用的字符集（ppocr_keys_vx.txt），确认其中是否包含该生僻字。

• ✅ 使用自定义字符集重新训练模型：
  如果默认字符集没有目标生僻字，你可以：

  • 自定义 ppocr_keys_vx.txt 文件，将目标字添加进去；
  • 根据你的任务数据集，用新字符集重新训练识别模型。

• ✅ 替换为支持更多字符的模型：
  官方提供了如 PP-OCRv4、PP-OCRv3 或 PP-OCRv2 等模型，不同版本可能支持略有不同的字符集。也可以尝试使用 ppocr_server 模型，其字符集更全，识别能力更强。

• ✅ 尝试通用字符集识别模型：
  如果目标是支持极大量字符，考虑：

  • 使用 PaddleOCR 中英文混合识别模型；
  • 或者改用支持 Unicode 更广泛的模型，比如结合 PaddleOCR 构建自己的识别模型。

🔗 相关问题参考：
已有 Issue 正在讨论该问题：
👉 Issue #14065：一个非常奇怪的问题，字符表里面有的字，就是识别不出来
#14065

该 Issue 中也提到了一些生僻字如「嫖」、「娼」等，即便在字符集中，也无法识别，可能原因包括模型限制和训练数据不足。

📌 总结：
要解决识别不到生僻字的问题，最佳方案是确认目标字在识别字符集中，如果不在，需要自定义字符集并重新训练模型。若字符集已包含目标字但仍识别失败，则可尝试换用更大模型或微调识别模型以增强其对生僻字的识别能力。

---

Response generated by 🤖 feifei-bot | chatgpt-4o-latest

⚠️ This is an AI-generated response. Please verify any critical information.