为了全面评测OCR工具各种场景下的识别和解析能力，本次测评收集整理了多种类型文字识别的图片数据，包括印刷中英文、自然场景、手写文字和验证码等方面数据集，具体文字识别数据集分类如下： 文字识别能力主要评测OCR工具对文字的检测和识别能力，包括支持识别的字符集规模（生僻字），字体形变（字体、艺术字），图像旋转、形变、干扰信息、明暗、模糊等外部因素影响。 备注：文字识别能力只考察是否正确识别出字符，不考察文字结构信息（即输出结果的文字顺序）。其中，中文统计粒度为字，英文为单词（区分大小写），中英文标点符号相互区别。 字符识别准确率（Precision）：正确识别的字符数/识别输出总字符数 字符识别召回率（Recall）：正确识别的字符数/验证集总字符数 字符识别综合评分（F-Score）：2*Precision*Recall/(Precision+Recal) 平均响应时间：基准样本识别总时间/样本数量。 测评结果 （1）印刷中文的综合测评结果为： （2）印刷英文的综合测评结果为： （3）变形字体的艺术字测评结果为： （4）自然场景的街景图片测评结果为： （5）手写中文的综合测评结果为： 【关注公众号在后台回复“OCR”即可下载完整版报告。】 测评总结 印刷中文识别准确度测试中，综合前三分别是RapidOCR、RagFlow和Surya。 在印刷英文识别准确度测试环节，综合前三分别是Surya、Unstructured和读光OCR，还是国外开源软件领先。 在各种变形字体（艺术字、验证码等非标准字体）场景下，由于本次测评仅采用各OCR工具自身提供的预训练模型进行测试，识别准确度均较低，如需提高变形字体的准确率需要针对变形字体进行专项训练。 在复杂多行文字的街景场景中，前三名分别是RagFlow、RapidOCR和PaddleOCR，它们的综合评分相当接近，均略高于70%。 在手写中文识别场景下，综合前三分别是RapidOCR、ChineseOCR和RagFlow。 在响应时间方面，表现优异的有OcrLiteOnnx（0.01秒级）、RagFlow（0.1秒级），响应非常快。另外，ChineseOCR、EasyOCR和RapidOCR表现也不错，平均时间小于1秒。