Paddle OCR vs Tesseract: Detaillierter OCR-Vergleich

Die Drei-Modell-Pipeline in der Praxis

Bei jedem PaddleOCR-Inferenzaufruf werden drei neuronale Netze nacheinander ausgeführt. Der folgende Code zeigt den kompletten Setup-Pfad, den ein Entwickler durchläuft, bevor Text zurückgegeben wird:

// Five packages required before this compiles:
// dotnet add package Sdcb.PaddleOCR
// dotnet add package Sdcb.PaddleOCR.Models.Online
// dotnet add package Sdcb.PaddleInference.runtime.win64.mkl
// dotnet add package OpenCvSharp4
// dotnet add package OpenCvSharp4.runtime.win

using Sdcb.PaddleOCR;
using Sdcb.PaddleOCR.Models.Online;
using OpenCvSharp;

// Async download from Baidu servers — blocks first run for 10-30 seconds
FullOcrModel models = await OnlineFullModels.ChineseV4.DownloadAsync();

// PaddleOcrAll bundles detection, classification, and recognition
using PaddleOcrAll ocr = new PaddleOcrAll(models)
{
    AllowRotateDetection = true,
    Enable180Classification = true
};

// OpenCV required — no file path shortcut
using Mat mat = Cv2.ImRead("document.png");

if (mat.Empty())
{
    throw new FileNotFoundException("Could not load image");
}

// Three neural networks fire in sequence
PaddleOcrResult result = ocr.Run(mat);

Console.WriteLine(result.Text);

// Five packages required before this compiles:
// dotnet add package Sdcb.PaddleOCR
// dotnet add package Sdcb.PaddleOCR.Models.Online
// dotnet add package Sdcb.PaddleInference.runtime.win64.mkl
// dotnet add package OpenCvSharp4
// dotnet add package OpenCvSharp4.runtime.win

using Sdcb.PaddleOCR;
using Sdcb.PaddleOCR.Models.Online;
using OpenCvSharp;

// Async download from Baidu servers — blocks first run for 10-30 seconds
FullOcrModel models = await OnlineFullModels.ChineseV4.DownloadAsync();

// PaddleOcrAll bundles detection, classification, and recognition
using PaddleOcrAll ocr = new PaddleOcrAll(models)
{
    AllowRotateDetection = true,
    Enable180Classification = true
};

// OpenCV required — no file path shortcut
using Mat mat = Cv2.ImRead("document.png");

if (mat.Empty())
{
    throw new FileNotFoundException("Could not load image");
}

// Three neural networks fire in sequence
PaddleOcrResult result = ocr.Run(mat);

Console.WriteLine(result.Text);

Imports Sdcb.PaddleOCR
Imports Sdcb.PaddleOCR.Models.Online
Imports OpenCvSharp

' Five packages required before this compiles:
' dotnet add package Sdcb.PaddleOCR
' dotnet add package Sdcb.PaddleOCR.Models.Online
' dotnet add package Sdcb.PaddleInference.runtime.win64.mkl
' dotnet add package OpenCvSharp4
' dotnet add package OpenCvSharp4.runtime.win

' Async download from Baidu servers — blocks first run for 10-30 seconds
Dim models As FullOcrModel = Await OnlineFullModels.ChineseV4.DownloadAsync()

' PaddleOcrAll bundles detection, classification, and recognition
Using ocr As New PaddleOcrAll(models) With {
    .AllowRotateDetection = True,
    .Enable180Classification = True
}

    ' OpenCV required — no file path shortcut
    Using mat As Mat = Cv2.ImRead("document.png")

        If mat.Empty() Then
            Throw New FileNotFoundException("Could not load image")
        End If

        ' Three neural networks fire in sequence
        Dim result As PaddleOcrResult = ocr.Run(mat)

        Console.WriteLine(result.Text)
    End Using
End Using

Das result.Regions Array enthält einzelne Texbereichsobjekte, jedes mit einem Text Zeichenkette, einem Score Vertrauenswert und einer Rect Begrenzungsbox. Um nach Vertrauenswert zu filtern: result.Regions.Where(r => r.Score > 0.8). Die Regionenreihenfolge ist räumlich, nicht lesereihenfolgegarantiert, daher ist das Sortieren nach region.Rect.Center.Y dann region.Rect.Center.X ein häufiges Muster.

Detaillierter Funktionsvergleich

PaddleOCR-Ansatz

Die chinesische Modellpipeline funktioniert gut, weil die Erkennungs- und Identifizierungsnetzwerke von Baidu, dessen Kerngeschäft die Verarbeitung chinesischer Webinhalte in großem Umfang ist, anhand umfangreicher chinesischer Dokumentendatensätze trainiert wurden.

// Chinese model: highest accuracy for CJK documents
FullOcrModel models = await OnlineFullModels.ChineseV4.DownloadAsync();

using PaddleOcrAll ocr = new PaddleOcrAll(models)
{
    AllowRotateDetection = true,
    Enable180Classification = true
};

using Mat mat = Cv2.ImRead("chinese-invoice.png");
PaddleOcrResult result = ocr.Run(mat);

// Filter low-confidence regions for cleaner output
var highConfidence = result.Regions
    .Where(r => r.Score >= 0.8)
    .OrderBy(r => r.Rect.Center.Y)
    .ThenBy(r => r.Rect.Center.X);

foreach (var region in highConfidence)
{
    Console.WriteLine($"{region.Text} ({region.Score:P0})");
}

// Chinese model: highest accuracy for CJK documents
FullOcrModel models = await OnlineFullModels.ChineseV4.DownloadAsync();

using PaddleOcrAll ocr = new PaddleOcrAll(models)
{
    AllowRotateDetection = true,
    Enable180Classification = true
};

using Mat mat = Cv2.ImRead("chinese-invoice.png");
PaddleOcrResult result = ocr.Run(mat);

// Filter low-confidence regions for cleaner output
var highConfidence = result.Regions
    .Where(r => r.Score >= 0.8)
    .OrderBy(r => r.Rect.Center.Y)
    .ThenBy(r => r.Rect.Center.X);

foreach (var region in highConfidence)
{
    Console.WriteLine($"{region.Text} ({region.Score:P0})");
}

Imports System
Imports System.Linq
Imports OpenCvSharp

' Chinese model: highest accuracy for CJK documents
Dim models As FullOcrModel = Await OnlineFullModels.ChineseV4.DownloadAsync()

Using ocr As New PaddleOcrAll(models) With {
    .AllowRotateDetection = True,
    .Enable180Classification = True
}

    Using mat As Mat = Cv2.ImRead("chinese-invoice.png")
        Dim result As PaddleOcrResult = ocr.Run(mat)

        ' Filter low-confidence regions for cleaner output
        Dim highConfidence = result.Regions _
            .Where(Function(r) r.Score >= 0.8) _
            .OrderBy(Function(r) r.Rect.Center.Y) _
            .ThenBy(Function(r) r.Rect.Center.X)

        For Each region In highConfidence
            Console.WriteLine($"{region.Text} ({region.Score:P0})")
        Next
    End Using
End Using

Das Vertrauensfilter-Muster (r.Score >= 0.8) ist wichtig, da der Deep-Learning-Erkennungsschritt gelegentlich Nicht-Text-Bereiche als Text kennzeichnen wird. Ohne Filterung entstehen im Ausgangssignal Rauschbereiche. Sortieren nach Rect.Center.Y dann Rect.Center.X approximiert die Lesereihenfolge, garantiert sie aber nicht für komplexe mehrspaltige Layouts.

IronOCR-Ansatz

Die Unterstützung für vereinfachtes Chinesisch von IronOCR wird als NuGet Paket installiert und erfordert keine Modellverwaltung. Die Genauigkeit bei chinesischen Dokumenten liegt bei 85-90% – niedriger als die über 95% von PaddleOCR beim gleichen Material, aber ausreichend für viele Anwendungsfälle in der Produktion, insbesondere wenn die Dokumente eine einheitliche Formatierung aufweisen.

// dotnet add package IronOcr.Languages.ChineseSimplified

using IronOcr;

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.ChineseSimplified;

using var input = new OcrInput();
input.LoadImage("chinese-invoice.png");

// Preprocessing handles rotation, noise, and contrast automatically
input.Deskew();
input.DeNoise();

var result = ocr.Read(input);

// Word-level results with coordinates
foreach (var word in result.Words)
{
    Console.WriteLine($"{word.Text} at ({word.X},{word.Y}) — {word.Confidence}%");
}

// dotnet add package IronOcr.Languages.ChineseSimplified

using IronOcr;

var ocr = new IronTesseract();
ocr.Language = OcrLanguage.ChineseSimplified;

using var input = new OcrInput();
input.LoadImage("chinese-invoice.png");

// Preprocessing handles rotation, noise, and contrast automatically
input.Deskew();
input.DeNoise();

var result = ocr.Read(input);

// Word-level results with coordinates
foreach (var word in result.Words)
{
    Console.WriteLine($"{word.Text} at ({word.X},{word.Y}) — {word.Confidence}%");
}

Imports IronOcr

' dotnet add package IronOcr.Languages.ChineseSimplified

Dim ocr As New IronTesseract()
ocr.Language = OcrLanguage.ChineseSimplified

Using input As New OcrInput()
    input.LoadImage("chinese-invoice.png")

    ' Preprocessing handles rotation, noise, and contrast automatically
    input.Deskew()
    input.DeNoise()

    Dim result = ocr.Read(input)

    ' Word-level results with coordinates
    For Each word In result.Words
        Console.WriteLine($"{word.Text} at ({word.X},{word.Y}) — {word.Confidence}%")
    Next
End Using

Für Teams, die gleichzeitig mehrere Sprachen benötigen — wie gemischte Chinesische/Englische Dokumente — behandelt IronOCR die Kombination mit AddSecondaryLanguage. PaddleOCR erfordert das Umschalten von Modellsätzen zwischen den Sprachen, was separate Download-Aufrufe und separate Engine-Instanzen bedeutet.

Der Kompromiss ist eindeutig: PaddleOCR punktet mit reiner CJK-Genauigkeit.IronOCR punktet mit Genauigkeit bei Englisch/Latein (97-99% gegenüber 92-95%), Vorverarbeitung für Scans minderer Qualität und der einfachen Bedienung, da keine Modelldateien verwaltet werden müssen. Teams, die Dokumente in verschiedenen Sprachen verarbeiten oder hauptsächlich europäischsprachige Dokumente mit gelegentlichem CJK-Inhalt bearbeiten, werden das Genauigkeitsprofil von IronOCR in der Gesamtheit als nützlicher empfinden. Im IronOCR -Tutorial-Hub finden Sie Beispiele für Mehrsprachigkeit und Vorverarbeitung.

PaddleOCR-Ansatz

PaddleOCR liefert die Modelle separat vom NuGet Paket aus. Für einen vollständigen OCR-Lauf werden drei Modellverzeichnisse benötigt, und jede Methode zur Beschaffung dieser Verzeichnisse birgt unterschiedliche Vor- und Nachteile:

// Option A: Online download — simplest, but requires Baidu server access
// This runs on application startup; first run blocks for 10-30 seconds
FullOcrModel onlineModels = await OnlineFullModels.ChineseV4.DownloadAsync();

// Option B: Pre-downloaded local models — for air-gapped or compliance environments
// Developer must manually download and maintain three directories:
//   models/ch_PP-OCRv4_det_infer/
//   models/ch_ppocr_mobile_v2.0_cls_infer/
//   models/ch_PP-OCRv4_rec_infer/
FullOcrModel localModels = new FullOcrModel(
    LocalDetectionModel.FromDirectory("models/ch_PP-OCRv4_det_infer"),
    LocalClassificationModel.FromDirectory("models/ch_ppocr_mobile_v2.0_cls_infer"),
    LocalRecognitionModel.FromDirectory("models/ch_PP-OCRv4_rec_infer")
);

// Option C: Embedded model package — adds 100MB to NuGet restore, simplest deployment
// dotnet add package Sdcb.PaddleOCR.Models.LocalV4

// Japanese and Korean require separate model downloads:
FullOcrModel japaneseModels = await OnlineFullModels.JapanV4.DownloadAsync();
FullOcrModel koreanModels = await OnlineFullModels.KoreanV4.DownloadAsync();

// Option A: Online download — simplest, but requires Baidu server access
// This runs on application startup; first run blocks for 10-30 seconds
FullOcrModel onlineModels = await OnlineFullModels.ChineseV4.DownloadAsync();

// Option B: Pre-downloaded local models — for air-gapped or compliance environments
// Developer must manually download and maintain three directories:
//   models/ch_PP-OCRv4_det_infer/
//   models/ch_ppocr_mobile_v2.0_cls_infer/
//   models/ch_PP-OCRv4_rec_infer/
FullOcrModel localModels = new FullOcrModel(
    LocalDetectionModel.FromDirectory("models/ch_PP-OCRv4_det_infer"),
    LocalClassificationModel.FromDirectory("models/ch_ppocr_mobile_v2.0_cls_infer"),
    LocalRecognitionModel.FromDirectory("models/ch_PP-OCRv4_rec_infer")
);

// Option C: Embedded model package — adds 100MB to NuGet restore, simplest deployment
// dotnet add package Sdcb.PaddleOCR.Models.LocalV4

// Japanese and Korean require separate model downloads:
FullOcrModel japaneseModels = await OnlineFullModels.JapanV4.DownloadAsync();
FullOcrModel koreanModels = await OnlineFullModels.KoreanV4.DownloadAsync();

Die Modellversion muss mit der Wrapper-Version übereinstimmen. Wenn Sdcb.PaddleOCR aktualisiert wird, können vorab heruntergeladene Modelle aus der vorherigen Version möglicherweise erneut heruntergeladen werden müssen. CI/CD-Pipelines, die den NuGet Wiederherstellungsschritt zwischenspeichern, müssen außerdem das Zwischenspeichern von Modelldateien separat verwalten oder Modell-Downloads während der Container-Build-Phase auslösen. Der Docker-Image-Vergleich zeigt die Konsequenz: Ein PaddleOCR-Container hat eine Größe von ca. 1,5 GB. ein IronOCR Container mit einer Größe von ca. 400 MB.

IronOCR-Ansatz

IronOCR Sprachmodelle sind Standard NuGet Pakete. Keine Download-Aufrufe, keine Modellverzeichnisverwaltung, keine Versionssynchronisierung. Das NuGet Paket für IronOCR enthält das englische Modell; Zusätzliche Sprachpakete werden genau wie jede andere Abhängigkeit installiert.

// dotnet add package IronOcr
// dotnet add package IronOcr.Languages.ChineseSimplified
// dotnet add package IronOcr.Languages.Japanese

using IronOcr;

//Neinasync initialization, no model path, no version matching
var ocr = new IronTesseract();
ocr.Language = OcrLanguage.ChineseSimplified;
ocr.AddSecondaryLanguage(OcrLanguage.Japanese);

using var input = new OcrInput();
input.LoadImage("mixed-cjk-document.png");

var result = ocr.Read(input);
Console.WriteLine(result.Text);

// dotnet add package IronOcr
// dotnet add package IronOcr.Languages.ChineseSimplified
// dotnet add package IronOcr.Languages.Japanese

using IronOcr;

//Neinasync initialization, no model path, no version matching
var ocr = new IronTesseract();
ocr.Language = OcrLanguage.ChineseSimplified;
ocr.AddSecondaryLanguage(OcrLanguage.Japanese);

using var input = new OcrInput();
input.LoadImage("mixed-cjk-document.png");

var result = ocr.Read(input);
Console.WriteLine(result.Text);

' dotnet add package IronOcr
' dotnet add package IronOcr.Languages.ChineseSimplified
' dotnet add package IronOcr.Languages.Japanese

Imports IronOcr

'Neinasync initialization, no model path, no version matching
Dim ocr As New IronTesseract()
ocr.Language = OcrLanguage.ChineseSimplified
ocr.AddSecondaryLanguage(OcrLanguage.Japanese)

Using input As New OcrInput()
    input.LoadImage("mixed-cjk-document.png")

    Dim result = ocr.Read(input)
    Console.WriteLine(result.Text)
End Using

Sprachpakete werden als Teil von dotnet restore wiederhergestellt. Der Docker-Bausschritt, der models/ Verzeichnisse kopiert, apt-get install libopencv-dev ausführt und das CUDA-Basisimage hinzufügt, existiert einfach nicht in einem IronOCR-Container. Für Teams, die Docker- oder Azure-Bereitstellung verwenden, ist der Unterschied in der Komplexität des Container-Builds erheblich.

PaddleOCR-Ansatz

Für GPU-Inferenz ist ein völlig separater Software-Stack außerhalb von NuGet erforderlich. Die Systemvoraussetzungen sind präzise und versionsspezifisch:

// Prerequisites (must be installed before this compiles correctly):
// 1. NVIDIA GPU with CUDA capability 3.5+
// 2. NVIDIA Driver 452.39+ (Windows) / 450.80.02+ (Linux)
// 3. CUDA Toolkit 11.8 — exact version, not 12.x
// 4. cuDNN 8.6.0+ for CUDA 11.x
// 5. dotnet add package Sdcb.PaddleInference.runtime.win64.cuda118

using Sdcb.PaddleOCR;
using Sdcb.PaddleOCR.Models.Online;
using Sdcb.PaddleInference;
using OpenCvSharp;

FullOcrModel models = await OnlineFullModels.ChineseV4.DownloadAsync();

// GPU device 0, 1000MB GPU memory pool
using PaddleOcrAll ocr = new PaddleOcrAll(models, PaddleDevice.Gpu(deviceId: 0))
{
    AllowRotateDetection = true,
    Enable180Classification = true
};

using Mat mat = Cv2.ImRead(imagePath);
PaddleOcrResult result = ocr.Run(mat);

// Prerequisites (must be installed before this compiles correctly):
// 1. NVIDIA GPU with CUDA capability 3.5+
// 2. NVIDIA Driver 452.39+ (Windows) / 450.80.02+ (Linux)
// 3. CUDA Toolkit 11.8 — exact version, not 12.x
// 4. cuDNN 8.6.0+ for CUDA 11.x
// 5. dotnet add package Sdcb.PaddleInference.runtime.win64.cuda118

using Sdcb.PaddleOCR;
using Sdcb.PaddleOCR.Models.Online;
using Sdcb.PaddleInference;
using OpenCvSharp;

FullOcrModel models = await OnlineFullModels.ChineseV4.DownloadAsync();

// GPU device 0, 1000MB GPU memory pool
using PaddleOcrAll ocr = new PaddleOcrAll(models, PaddleDevice.Gpu(deviceId: 0))
{
    AllowRotateDetection = true,
    Enable180Classification = true
};

using Mat mat = Cv2.ImRead(imagePath);
PaddleOcrResult result = ocr.Run(mat);

Imports Sdcb.PaddleOCR
Imports Sdcb.PaddleOCR.Models.Online
Imports Sdcb.PaddleInference
Imports OpenCvSharp

' Prerequisites (must be installed before this compiles correctly):
' 1. NVIDIA GPU with CUDA capability 3.5+
' 2. NVIDIA Driver 452.39+ (Windows) / 450.80.02+ (Linux)
' 3. CUDA Toolkit 11.8 — exact version, not 12.x
' 4. cuDNN 8.6.0+ for CUDA 11.x
' 5. dotnet add package Sdcb.PaddleInference.runtime.win64.cuda118

Dim models As FullOcrModel = Await OnlineFullModels.ChineseV4.DownloadAsync()

' GPU device 0, 1000MB GPU memory pool
Using ocr As New PaddleOcrAll(models, PaddleDevice.Gpu(deviceId:=0)) With {
    .AllowRotateDetection = True,
    .Enable180Classification = True
}

    Using mat As Mat = Cv2.ImRead(imagePath)
        Dim result As PaddleOcrResult = ocr.Run(mat)
    End Using

End Using

Wenn CUDA_PATH nicht gesetzt ist, fehlt die passende cuDNN DLL im erwarteten Pfad oder die Laufzeitpaketversion stimmt nicht mit dem installierten CUDA Toolkit überein, wirft der Aufruf eine Ausnahme bei der nativen Bibliotheksladung. Die Diagnose dieses Fehlers erfordert die Überprüfung der Treiberversionen, der PATH-Einträge und des Vorhandenseins von DLL-Dateien in mehreren Verzeichnissen. In Docker erfordert der GPU-Support das nvidia/cuda:11.8.0-cudnn8-runtime-ubuntu22.04 Basis-Image plus nvidia-container-toolkit auf dem Host, was die Komplexität sowohl des Image-Baus als auch der Container-Laufzeitkonfiguration erhöht.

Bei reinen CPU-Bereitstellungen verwendet PaddleOCR standardmäßig die MKL-beschleunigte Laufzeitumgebung: ca. 300-500 ms pro Bild mit einem Kaltstart des Modellladens von 3-5 Sekunden.

IronOCR-Ansatz

IronOCR wurde für die CPU-Inferenz entwickelt. Es liefert 150-300 ms pro Bild auf Standardhardware ohne GPU-Abhängigkeit, ohne CUDA-Stack und ohne Treiberversionsprobleme. Die Engine startet auch in weniger als einer Sekunde, da die Modelle gebündelt und nicht bei der Initialisierung von der Festplatte geladen werden.

using IronOcr;

//NeinGPU setup, no CUDA, no driver checks
IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY";

var ocr = new IronTesseract();

// Preprocessing built-in — improves accuracy on poor scans without extra code
using var input = new OcrInput();
input.LoadImage("document.png");
input.Deskew();
input.DeNoise();
input.EnhanceResolution(300);

var result = ocr.Read(input);
Console.WriteLine($"Confidence: {result.Confidence}%");

using IronOcr;

//NeinGPU setup, no CUDA, no driver checks
IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY";

var ocr = new IronTesseract();

// Preprocessing built-in — improves accuracy on poor scans without extra code
using var input = new OcrInput();
input.LoadImage("document.png");
input.Deskew();
input.DeNoise();
input.EnhanceResolution(300);

var result = ocr.Read(input);
Console.WriteLine($"Confidence: {result.Confidence}%");

Imports IronOcr

' NeinGPU setup, no CUDA, no driver checks
IronOcr.License.LicenseKey = "YOUR-LICENSE-KEY"

Dim ocr As New IronTesseract()

' Preprocessing built-in — improves accuracy on poor scans without extra code
Using input As New OcrInput()
    input.LoadImage("document.png")
    input.Deskew()
    input.DeNoise()
    input.EnhanceResolution(300)

    Dim result = ocr.Read(input)
    Console.WriteLine($"Confidence: {result.Confidence}%")
End Using

Für Durchsatz im großen Maßstab ohne GPU-Hardware ermöglicht das thread-sichere Design von IronOCRParallel.ForEach über eine Gruppe von Bildern mit separaten IronTesseract Instanzen — jede wird unabhängig ohne Sperren verarbeitet. Das Beispiel mit Multithreading verdeutlicht das Muster. Bei einer Verarbeitungszeit von 150-300 ms pro Bild auf einer 4-Kern-CPU ist ein Batch von 100 Bildern in 20-40 Sekunden durch Parallelverarbeitung abgeschlossen – ein CPU-Durchsatz, der Investitionen in GPUs für die meisten Web-API- und Dokumentenpipeline-Szenarien überflüssig macht.

Der Leitfaden zur Bildqualitätskorrektur beschreibt detailliert die Vorverarbeitungskonfiguration für Fälle, in denen die automatische Vorverarbeitung angepasst werden muss.

PaddleOCR-Ansatz

// Requires additional package: PdfiumViewer or similar
using Sdcb.PaddleOCR;
using Sdcb.PaddleOCR.Models.Online;
using OpenCvSharp;
using PdfiumViewer;
using System.Drawing.Imaging;
using System.Text;

FullOcrModel models = await OnlineFullModels.ChineseV4.DownloadAsync();
using PaddleOcrAll ocr = new PaddleOcrAll(models);

var results = new StringBuilder();

// Handbuch PDF-to-image conversion, page by page
using PdfDocument pdf = PdfDocument.Load("document.pdf");

for (int i = 0; i < pdf.PageCount; i++)
{
    // Render page to bitmap — 200 DPI
    using var pageImage = pdf.Render(i, 200, 200, PdfRenderFlags.CorrectFromDpi);

    // Save to temp file — OpenCvSharp cannot read from memory easily
    string tempPath = Path.GetTempFileName() + ".png";
    pageImage.Save(tempPath, ImageFormat.Png);

    try
    {
        using Mat mat = Cv2.ImRead(tempPath);
        var result = ocr.Run(mat);
        results.AppendLine($"--- Page {i + 1} ---");
        results.AppendLine(result.Text);
    }
    finally
    {
        File.Delete(tempPath);  // Must clean up temp files
    }
}

return results.ToString();

// Requires additional package: PdfiumViewer or similar
using Sdcb.PaddleOCR;
using Sdcb.PaddleOCR.Models.Online;
using OpenCvSharp;
using PdfiumViewer;
using System.Drawing.Imaging;
using System.Text;

FullOcrModel models = await OnlineFullModels.ChineseV4.DownloadAsync();
using PaddleOcrAll ocr = new PaddleOcrAll(models);

var results = new StringBuilder();

// Handbuch PDF-to-image conversion, page by page
using PdfDocument pdf = PdfDocument.Load("document.pdf");

for (int i = 0; i < pdf.PageCount; i++)
{
    // Render page to bitmap — 200 DPI
    using var pageImage = pdf.Render(i, 200, 200, PdfRenderFlags.CorrectFromDpi);

    // Save to temp file — OpenCvSharp cannot read from memory easily
    string tempPath = Path.GetTempFileName() + ".png";
    pageImage.Save(tempPath, ImageFormat.Png);

    try
    {
        using Mat mat = Cv2.ImRead(tempPath);
        var result = ocr.Run(mat);
        results.AppendLine($"--- Page {i + 1} ---");
        results.AppendLine(result.Text);
    }
    finally
    {
        File.Delete(tempPath);  // Must clean up temp files
    }
}

return results.ToString();

Imports Sdcb.PaddleOCR
Imports Sdcb.PaddleOCR.Models.Online
Imports OpenCvSharp
Imports PdfiumViewer
Imports System.Drawing.Imaging
Imports System.Text

Public Class OcrProcessor
    Public Shared Async Function ProcessPdfAsync() As Task(Of String)
        Dim models As FullOcrModel = Await OnlineFullModels.ChineseV4.DownloadAsync()
        Using ocr As New PaddleOcrAll(models)
            Dim results As New StringBuilder()

            ' Handbuch PDF-to-image conversion, page by page
            Using pdf As PdfDocument = PdfDocument.Load("document.pdf")
                For i As Integer = 0 To pdf.PageCount - 1
                    ' Render page to bitmap — 200 DPI
                    Using pageImage = pdf.Render(i, 200, 200, PdfRenderFlags.CorrectFromDpi)
                        ' Save to temp file — OpenCvSharp cannot read from memory easily
                        Dim tempPath As String = Path.GetTempFileName() & ".png"
                        pageImage.Save(tempPath, ImageFormat.Png)

                        Try
                            Using mat As Mat = Cv2.ImRead(tempPath)
                                Dim result = ocr.Run(mat)
                                results.AppendLine($"--- Page {i + 1} ---")
                                results.AppendLine(result.Text)
                            End Using
                        Finally
                            File.Delete(tempPath)  ' Must clean up temp files
                        End Try
                    End Using
                Next
            End Using

            Return results.ToString()
        End Using
    End Function
End Class

Das sind mehr als 30 Zeilen für eine einzige PDF-Datei. Hinzufügen einer weiteren NuGet Abhängigkeit (PdfiumViewer), manuelles Rendern der Seite mit einer gewählten DPI-Einstellung, Erstellen und Löschen von temporären Dateien sowie iteratives Sammeln von Ergebnissen – all dies, bevor PaddleOCR selbst ausgeführt wird. Eine zu niedrige DPI-Einstellung beeinträchtigt die Genauigkeit; Ein zu hoher Wert verlängert die Verarbeitungszeit. Die Entscheidung liegt beim Entwickler.

IronOCR-Ansatz

IronOCR liest PDFs nativ. Keine Konvertierungsbibliothek, keine temporären Dateien, keine Schleife pro Seite am Aufrufort:

using IronOcr;

var ocr = new IronTesseract();

// Native PDF-Eingabe — no external library needed
using var input = new OcrInput();
input.LoadPdf("document.pdf");

var result = ocr.Read(input);

// Per-page access available if needed
foreach (var page in result.Pages)
{
    Console.WriteLine($"Page {page.PageNumber}: {page.Text.Length} chars");
}

// Produce a searchable PDF in one additional line
result.SaveAsSearchablePdf("searchable-output.pdf");

using IronOcr;

var ocr = new IronTesseract();

// Native PDF-Eingabe — no external library needed
using var input = new OcrInput();
input.LoadPdf("document.pdf");

var result = ocr.Read(input);

// Per-page access available if needed
foreach (var page in result.Pages)
{
    Console.WriteLine($"Page {page.PageNumber}: {page.Text.Length} chars");
}

// Produce a searchable PDF in one additional line
result.SaveAsSearchablePdf("searchable-output.pdf");

Imports IronOcr

Dim ocr As New IronTesseract()

' Native PDF-Eingabe — no external library needed
Using input As New OcrInput()
    input.LoadPdf("document.pdf")

    Dim result = ocr.Read(input)

    ' Per-page access available if needed
    For Each page In result.Pages
        Console.WriteLine($"Page {page.PageNumber}: {page.Text.Length} chars")
    Next

    ' Produce a searchable PDF in one additional line
    result.SaveAsSearchablePdf("searchable-output.pdf")
End Using

Passwortgeschützte PDFs verwenden denselben LoadPdf Pfad mit einem Password Parameter. Die PDF-Eingabeanleitung und die durchsuchbare PDF-Anleitung beschreiben die Optionen für mehrseitige Formate und Ausgaben im Detail. Für Organisationen, die gescannte Dokumentenarchive digitalisieren – wo jede Datei als PDF ankommt – entfällt durch diesen Unterschied eine wichtige Ebene an Integrationscode.

Wenn die Sprachanforderungen über 14 hinausgehen

Ein Projekt beginnt mit der Verarbeitung chinesischer Rechnungen – PaddleOCR bewältigt das gut. Dann erweitert sich der Kundenstamm und Dokumente treffen in Polnisch, Niederländisch, Griechisch, Vietnamesisch und Türkisch ein. Die 14 von PaddleOCR unterstützten Sprachen decken keine dieser Sprachen ab. Die Migration wird notwendig, weil das Tool nicht mit den Anwendungsfällen mitwachsen kann. Das Hinzufügen von polnischer Unterstützung in IronOCR erfordert lediglich das Hinzufügen eines einzigen NuGet Pakets und eine Konfigurationsänderung in einer einzigen Zeile. Teams, die ein Projekt als "anfangs stark auf Chinesisch ausgerichtet, später aber multiregional" planen, müssen im Vorfeld entscheiden, ob sie mit einem Tool beginnen, das die Sprachabdeckung ohne Neuprogrammierung skalieren kann.

Wenn die Einrichtungskosten das Problembudget überschreiten

Laut der PaddleOCR-Dokumentation beträgt die erstmalige Einrichtung schätzungsweise 30-60 Minuten für die CPU und 2-8 Stunden für die GPU. Bei einem Entwicklerzeitaufwand von 100 US-Dollar pro Stunde bedeutet dies, dass der erste Versuch der GPU-Konfiguration 200 bis 800 US-Dollar kostet, bevor das erste Produktionsimage verarbeitet wird. Die Einrichtung von IronOCR besteht aus einem einzigen Installationsbefehl und einem vierzeiligen Codebeispiel – in weniger als fünf Minuten. Bei internen Tools, Prototypen oder Projekten, bei denen OCR eine sekundäre Funktion und nicht das Kernprodukt ist, entscheidet diese Zeitdifferenz darüber, ob die OCR-Funktion im aktuellen Sprint ausgeliefert wird oder eine niedrigere Priorität erhält. Der Einstieg in IronOCR ist schneller als die Konfiguration einer CUDA-Umgebung.

Wenn PDF-Workflows dominieren

Organisationen, die gescannte Dokumentenarchive digitalisieren, Fax-zu-PDF-Pipelines verarbeiten oder Daten aus Rechnungen und Verträgen im PDF-Format extrahieren, stehen mit PaddleOCR vor einem strukturellen Problem: Jedes PDF erfordert eine zusätzliche Bibliothek, manuelles Seitenrendering, temporäre Dateiverwaltung und eine DPI-Auswahllogik, bevor PaddleOCR es verarbeiten kann. Das ist keine nebensächliche Komplexität – es handelt sich um permanente Instandhaltung. Teams, die nach der ersten PaddleOCR-Integration feststellen, dass ihre Arbeitslast zu mehr als 80 % aus PDFs besteht, migrieren in der Regel dann, wenn die PDF-Konvertierungsschicht zu einer Fehlerquelle wird, und nicht, wenn PaddleOCR selbst versagt.

Wenn Compliance-Prüfungen den Baidu-Ursprung kennzeichnen

Sicherheitsteams in Enterprise der Regierung, des Verteidigungsministeriums, des Gesundheitswesens und des Finanzdienstleistungssektors wenden zunehmend Prüfkriterien auf Komponenten an, die ihren Ursprung in Unternehmen mit Verbindungen zum chinesischen Staat haben. PaddleOCR ist ein Projekt von Baidu; Modell-Downloads verbinden sich standardmäßig mit Baidu Cloud Storage; Das PaddlePaddle-Framework ist ein Produkt von Baidu. Der Code wird lokal ausgeführt und Dokumente werden nicht übertragen, die Modellartefakte stammen jedoch aus der Baidu-Infrastruktur. In FedRAMP-, ITAR- oder CMMC-Umgebungen löst diese Herkunft eine Compliance-Prüfung aus, die die Einführung verhindern kann.IronOCR ist ein Produkt von Iron Software, einem US-amerikanischen Unternehmen, verarbeitet alle Inhalte lokal, stellt keine externen Verbindungen her und benötigt keine Modell-Downloads von Servern Dritter.

Wenn keine GPU-Infrastruktur vorhanden ist

PaddleOCR auf der CPU (300-500 ms/Bild, 3-5 Sekunden Kaltstartzeit, 500 MB-1 GB Speicher) ist langsamer und ressourcenintensiver als IronOCR auf der CPU (150-300 ms/Bild, unter 1 Sekunde Kaltstartzeit, 100-200 MB Speicher). Der GPU-Vorteil von PaddleOCR kommt erst nach der Einrichtung von CUDA/cuDNN zum Tragen, und dieser Vorteil rechtfertigt die operative Komplexität nur bei hohem Datenaufkommen. Teams, die Standard-Cloud-Infrastrukturen ohne GPU-Instanzen nutzen – EC2 ohne GPU, Azure App Service, AWS Lambda – zahlen die Einrichtungskosten von PaddleOCR, ohne den Leistungsvorteil zu erhalten, der diese rechtfertigt.

Paket- und Namensraumersetzung

Der Pakettausch entfernt fünf Abhängigkeiten und fügt eine hinzu. Entfernen Sie Sdcb.PaddleOCR, Sdcb.PaddleOCR.Models.Online, das Sdcb.PaddleInference.runtime.* Paket, OpenCvSharp4, und OpenCvSharp4.runtime.win aus dem .csproj. Fügen Sie IronOcr hinzu. Fügen Sie Sprachpakete als NuGet Pakete für alle nicht-englischen Sprachen hinzu, die zuvor ein heruntergeladenes Modellset verwendet haben.

Die using Sdcb.PaddleOCR und using OpenCvSharp Direktiven werden durch using IronOcr ersetzt. Das Mat mat = Cv2.ImRead(path) Muster wird durch new OcrInput(path) oder input.LoadImage(path) ersetzt. Der ocr.Run(mat) Aufruf wird zu ocr.Read(input). Für Projekte, die die Bild-Eingabe-API verwenden, akzeptiert das OcrInput Objekt Dateipfade, Bytesequenzen, Streams und System.Drawing.Bitmap — der OpenCvSharp-Vermittler verschwindet vollständig.

Ergebnisstruktur-Neuzuordnung

PaddleOCR gibt result.Regions zurück — ein Array von PaddleOcrResultRegion Objekten, wobei region.Score ein Float von 0 bis 1 ist.IronOCR gibt result.Words zurück — wobei word.Confidence ein Prozentsatz von 0 bis 100 ist. Die Vertrauensfilter r.Score >= 0.8 mappt zu w.Confidence >= 80. Der Zugriff auf die Begrenzungsbox ändert sich von region.Rect.Center.X / region.Rect.Size.Width zu word.X / word.Width. Der Leitfaden für strukturierte Ergebnisse umfasst Seiten, Absätze, Zeilen und Wörter.

Die räumliche Sortierung (Sortierung zuerst nach Y, dann nach X, um die Lesereihenfolge zu approximieren) ist bei IronOCR seltener erforderlich, da die Layout-Engine von Tesseract die Lesereihenfolgeanalyse im Rahmen der Seitensegmentierung durchführt. Bei Dokumenten, für die PaddleOCR eine explizite Sortierlogik benötigte, sollte vor der Portierung des Sortiercodes geprüft werden, ob die Standardausgabereihenfolge von IronOCR die Anforderung bereits erfüllt.

Vorverarbeitungsübergang

Das Deep-Learning-Erkennungsmodell von PaddleOCR toleriert moderate Beeinträchtigungen der Bildqualität – das neuronale Netzwerk verarbeitet Rauschen und Verzerrungen zuverlässiger als die klassische Segmentierungspipeline von Tesseract. Bei der Migration zu IronOCR ist eine explizite Vorverarbeitung für Dokumente erforderlich, die zuvor ohne diese erfolgreich verarbeitet wurden.

using IronOcr;

var ocr = new IronTesseract();

using var input = new OcrInput();
input.LoadImage("low-quality-scan.png");

// These filters recover the accuracy that PaddleOCR provided automatically
// on noisy or skewed inputs
input.Deskew();
input.DeNoise();
input.Contrast();
input.Binarize();
input.EnhanceResolution(300);

var result = ocr.Read(input);

using IronOcr;

var ocr = new IronTesseract();

using var input = new OcrInput();
input.LoadImage("low-quality-scan.png");

// These filters recover the accuracy that PaddleOCR provided automatically
// on noisy or skewed inputs
input.Deskew();
input.DeNoise();
input.Contrast();
input.Binarize();
input.EnhanceResolution(300);

var result = ocr.Read(input);

Imports IronOcr

Dim ocr As New IronTesseract()

Using input As New OcrInput()
    input.LoadImage("low-quality-scan.png")

    ' These filters recover the accuracy that PaddleOCR provided automatically
    ' on noisy or skewed inputs
    input.Deskew()
    input.DeNoise()
    input.Contrast()
    input.Binarize()
    input.EnhanceResolution(300)

    Dim result = ocr.Read(input)
End Using

Bei gescannten Dokumenten, die aus ungewöhnlichen Winkeln aufgenommen wurden oder Hintergrundrauschen aufweisen, gleichen diese vier Filter den größten Teil der Genauigkeitslücke aus. Die Anleitungen zur Bildorientierungskorrektur und zur Bildfarbkorrektur beschreiben die Wirkung jedes Filters auf häufige Scanartefakte. Führen Sie vor dem endgültigen Abschluss der Migration repräsentative Dokumente durch beide Pipelines, um zu überprüfen, ob die Genauigkeit den Anforderungen an den tatsächlichen Dokumentensatz entspricht.

Bereitstellungsbereinigung

Nach der Migration verkleinert sich das Bereitstellungsartefakt erheblich. Löschen Sie den models/ Verzeichnispfad (drei Unterverzeichnisse, ~21MB an Modell-Dateien), paddle_inference.dll (~200MB), paddle2onnx.dll (~5MB) und die opencv_world*.dll Dateien (~50MB insgesamt). Entfernen Sie die apt-get install libopencv-dev Zeile aus der Dockerfile und den Modellkopierschritt. Entfernen Sie jegliche CI/CD-Schritte, die Modelle vorab herunterladen oder Modellverzeichnisse zwischenspeichern. Das Docker-Image reduziert sich von ca. 1,5 GB auf ca. 400 MB.