Paddle OCR対Tesseract：詳細なOCR比較

実践における3モデルパイプライン

PaddleOCRの推論呼び出しでは、毎回3つのニューラルネットワークが連続して実行されます。 以下のコードは、開発者がテキストを返す前に遭遇する完全なセットアップパスを示しています。

// 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

Rectバウンディングボックスを持っています。 信頼性でフィルタリングするには： result.Regions.Where(r => r.Score > 0.8)。 領域の順序付けは空間的ですが、読み順を保証するものではないため、region.Rect.Center.Xでソートするのが一般的なパターンです。

詳細な機能比較

パドルOCRアプローチ

中国語モデルのパイプラインが優れた性能を発揮するのは、検出および認識ネットワークが、中国語のウェブコンテンツを大規模に処理することを主要事業とするBaiduによって、大規模な中国語文書データセットで訓練されているためである。

// 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

信頼性フィルタパターン（r.Score >= 0.8）は重要です。なぜなら、深層学習検出ステップが時折非テキスト領域をテキストとしてフラグ付けすることがあるからです。 フィルタリングを行わない場合、出力にノイズ領域が現れます。 Rect.Center.Xでのソートは読み順を近似しますが、複雑な多段列のレイアウトでは保証しません。

IronOCRのアプローチ

IronOCRの中国語簡体字サポートはNuGetパッケージとしてインストールされ、モデル管理は不要です。 中国語文書の精度は85～90％で、同じ素材に対するPaddleOCRの95％以上よりは低いものの、特に文書の書式が一貫している場合は、多くの実務用途には十分である。

// 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

複数の言語を同時に必要とするチーム—たとえば混合中国語/英語の文書—のために、IronOCRはAddSecondaryLanguageで組み合わせを処理します。 PaddleOCRでは、言語ごとにモデルセットを切り替える必要があるため、ダウンロード呼び出しとエンジンインスタンスが別々に必要になります。

トレードオフは明確だ。純粋なCJK精度においてはPaddleOCRが優れている。 IronOCRは、英語/ラテン語の認識精度（97～99%対92～95%）、低品質スキャン画像の事前処理、およびモデルファイルの管理が不要な操作の簡便さにおいて優れています。 複数の言語で書かれた文書を処理するチーム、あるいは主にヨーロッパ言語の文書を処理し、時折CJKコンテンツが含まれるようなチームにとっては、IronOCRの精度プロファイルは全体としてより有用であることがわかるでしょう。 多言語対応や前処理の例については、 IronOCRのチュートリアルハブをご覧ください。

パドルOCRアプローチ

PaddleOCRは、 NuGetパッケージとは別にモデルを同梱しています。 フルパイプラインOCRを実行するには3つのモデルディレクトリが必要であり、それらを取得する方法ごとに異なるトレードオフが存在する。

// 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();

モデルのバージョンはラッパーのバージョンと一致している必要があります。 Sdcb.PaddleOCRが更新されると、以前のバージョンからの事前ダウンロード済みのモデルは再ダウンロードが必要になる可能性があります。 NuGetの復元ステップをキャッシュするCI/CDパイプラインは、モデルファイルのキャッシュを別途管理するか、コンテナ構築フェーズ中にモデルのダウンロードをトリガーする必要があります。 Dockerイメージの比較結果を見ると、PaddleOCRコンテナのサイズは約1.5GBであることがわかります。 約400MBのIronOCRコンテナ。

IronOCRのアプローチ

IronOCRの言語モデルは、標準的なNuGetパッケージです。 ダウンロード呼び出しなし、モデルディレクトリ管理なし、バージョン同期なし。 IronOCRのNuGetパッケージには英語モデルが含まれています。 追加の言語パックは、他の依存関係とまったく同じようにインストールされます。

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

using IronOcr;

// なし async 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;

// なし async 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);

Imports IronOcr

' なし async 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

言語パックはdotnet restoreの一環として復元されます。 apt-get install libopencv-devを実行し、CUDAベースのイメージを追加するDockerビルドステップは、IronOCRコンテナには存在しません。 DockerデプロイメントまたはAzureデプロイメントを使用するチームにとって、コンテナ構築の複雑さの違いは大きい。

パドルOCRアプローチ

GPU推論には、 NuGetとは完全に別のソフトウェアスタックが必要です。 環境要件は厳密で、バージョンも固定されています。

// 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

CUDA_PATHが設定されていない場合、対応するcuDNN DLLが期待されるパスに存在しないか、ランタイムパッケージのバージョンがインストールされたCUDAツールキットと一致しない場合、呼び出しはネイティブライブラリロード例外をスローします。 その障害を診断するには、複数のディレクトリにわたってドライバのバージョン、PATH環境変数、およびDLLファイルの存在を確認する必要があります。 Dockerでは、GPUサポートにはnvidia-container-toolkitが必要であり、イメージビルドおよびコンテナランタイムの設定に複雑さを追加します。

CPUのみのデプロイメントの場合、PaddleOCRはデフォルトでMKLアクセラレーションによるランタイムを使用します。これは、画像1枚あたり約300～500ミリ秒で、モデルの読み込みに3～5秒のコールドスタートが必要です。

IronOCRのアプローチ

IronOCRはCPUによる推論処理を前提に設計されています。 標準的なハードウェア上で、GPUへの依存、CUDAスタック、ドライババージョンの制約なしに、画像1枚あたり150～300ミリ秒の処理速度を実現します。 また、モデルは初期化時にディスクから読み込むのではなくバンドルされているため、エンジンは1秒以内に起動します。

using IronOcr;

// なし GPU 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;

// なし GPU 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

' なし GPU 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

GPUハードウェアなしでの大規模スループットを目指し、IronOCRのスレッドセーフな設計により、IronTesseractインスタンスで画像のバッチに適用できます—各々がロックなしで独立して処理します。 マルチスレッドの例は、そのパターンを示している。 4コアCPUで画像1枚あたり150～300ミリ秒の処理時間で、並列処理を用いることで100枚の画像のバッチ処理が20～40秒で完了します。このCPUスループットにより、ほとんどのWeb APIやドキュメントパイプラインのシナリオではGPUへの投資は不要になります。

画像品質補正ガイドでは、自動前処理の調整が必要な場合の前処理設定について詳しく解説しています。

パドルOCRアプローチ

// 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();

// マニュアル 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();

// マニュアル 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

Dim models As FullOcrModel = Await OnlineFullModels.ChineseV4.DownloadAsync()
Using ocr As New PaddleOcrAll(models)

    Dim results As New StringBuilder()

    ' マニュアル 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

つまり、1つのPDFファイルで30行以上になるということです。 別のNuGet依存関係 (PdfiumViewer) の追加、選択した DPI での手動ページレンダリング、一時ファイルの作成と削除、および結果の反復的な蓄積 ― これらすべては、PaddleOCR 自体が起動する前に実行されます。 DPIが低すぎると精度が低下します。 値が高すぎると処理時間が長くなります。その決定権は開発者にあります。

IronOCRのアプローチ

IronOCRはPDFをネイティブに読み取ります。 変換ライブラリなし、一時ファイルなし、呼び出し箇所でのページごとのループなし：

using IronOcr;

var ocr = new IronTesseract();

// ネイティブPDF入力 — 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();

// ネイティブPDF入力 — 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 = New IronTesseract()

' ネイティブPDF入力 — 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

パスワード保護されたPDFはPasswordパラメータを使用します。 PDF入力ガイドと検索可能なPDFガイドでは、複数ページへの対応方法と出力オプションについて詳しく説明しています。 スキャンされた文書アーカイブをデジタル化する組織（すべてのファイルがPDF形式で届く場合）にとって、この違いは統合コードの重要なレイヤーを削減することになる。

言語要件が14を超える場合

中国語の請求書を処理するプロジェクトが開始されたが、PaddleOCRはそれをうまく処理した。 すると顧客層が拡大し、ポーランド語、オランダ語、ギリシャ語、ベトナム語、トルコ語の文書が届くようになる。 PaddleOCRがサポートする1​​4言語には、これらの言語は含まれていません。 ツールがユースケースに合わせて拡張できないため、移行が必要になります。 IronOCRにポーランド語のサポートを追加するには、 NuGetパッケージを1つ追加し、設定ファイルを1行変更するだけで済みます。 "当初は中国語中心だが、最終的には複数地域にまたがる"というプロジェクトを計画するチームは、書き直しなしで言語対応範囲を拡大できるツールから始めるかどうかを事前に決定する必要がある。

セットアップ費用が問題予算を超えた場合

PaddleOCRのドキュメントによると、初回セットアップにかかる時間は、CPUの場合は30～60分、GPUの場合は2～8時間と見積もられています。 開発者の人件費が1時間あたり100ドルだとすると、最初の製品イメージが処理される前に、最初のGPU構成の試行に200ドルから800ドルの費用がかかることになる。 IronOCRのセットアップは、インストールコマンド1つと4行のコードサンプルだけで完了し、5分もかかりません。 社内ツール、プロトタイプ、またはOCRがコア製品ではなく二次的な機能であるプロジェクトの場合、その時間差によって、OCR機能が現在のスプリントでリリースされるか、優先順位が下げられるかが決まります。 IronOCRを使い始めるのにかかる時間は、CUDA環境を構成するよりも短い。

PDFワークフローが主流になるとき

スキャンされた文書アーカイブをデジタル化したり、ファックスからPDFへのパイプラインを処理したり、PDF形式の請求書や契約書からデータを抽出したりする組織は、PaddleOCRに関して構造的な問題に直面しています。PaddleOCRがPDFを処理するには、すべてのPDFに対して追加のライブラリ、手動によるページレンダリング、一時ファイル管理、およびDPI選択ロジックが必要となるためです。 それは偶発的な複雑さではなく、恒久的なメンテナンスの問題だ。 PaddleOCRを最初に導入した後、ワークロードの80%以上がPDFベースであることが判明したチームは、PaddleOCR自体が故障した時ではなく、PDF変換レイヤーがバグの原因となった時に移行する傾向があります。

コンプライアンスレビューでBaiduの起源が指摘された場合

政府、防衛、医療、金融サービスなどの組織のEnterpriseセキュリティチームは、中国政府関連企業に由来する部品に対して、ますます厳格な審査基準を適用するようになっている。 PaddleOCRはBaiduのプロジェクトです。 モデルのダウンロードは、デフォルトでBaiduクラウドストレージに接続されます。 PaddlePaddleフレームワークはBaiduの製品です。 コードはローカルで実行され、ドキュメントは送信されませんが、モデル成果物はBaiduのインフラストラクチャから生成されます。 FedRAMP、ITAR、またはCMMC環境においては、その出所情報がコンプライアンス審査のきっかけとなり、導入が阻害される可能性がある。 IronOCRは、米国に拠点を置くIron Software社の製品であり、すべてのコンテンツをローカルで処理し、外部との接続は一切行わず、サードパーティのサーバーからモデルをダウンロードする必要もありません。

GPUインフラストラクチャが整備されていない場合

CPU 上の PaddleOCR (300～500ms/画像、コールドスタート 3～5 秒、メモリ 500MB～1GB) は、CPU 上のIronOCR (150～300ms/画像、コールドスタート 1 秒未満、メモリ 100～200MB) よりも遅く、負荷も大きい。 PaddleOCRのGPUによる利点は、CUDA/cuDNNの設定が完了した後に初めて発揮され、その利点は、処理量が膨大になった場合にのみ、運用上の複雑さを正当化するものです。 GPUインスタンスを使用しない標準的なクラウドインフラストラクチャ（GPUなしのEC2、Azure App Service、AWS Lambdaなど）を使用しているチームは、PaddleOCRのセットアップコストを支払っているにもかかわらず、それに見合うパフォーマンス上のメリットを得ていない。

パッケージと名前空間の置換

パッケージの入れ替えにより、5つの依存関係が削除され、1つの依存関係が追加されます。 .csprojから削除します。 IronOcrを追加します。 以前ダウンロードしたモデルセットを使用していた英語以外の言語については、言語パックをNuGetパッケージとして追加してください。

using IronOcrに置き換えられます。 input.LoadImage(path)に置き換えられます。 ocr.Read(input)になります。 画像入力APIを使用するプロジェクトでは、System.Drawing.Bitmapを受け入れます—OpenCvSharpの仲介が完全に消えます。

結果構造のリマッピング

PaddleOCRはw.Confidence >= 80にマップされます。 バウンディングボックスアクセスはword.Widthに変更されます。 構造化された結果ガイドは、ページ、段落、行、単語を対象としています。

IronOCRでは、Tesseractレイアウトエンジンがページ分割ステップの一部として読み上げ順序分析を実行するため、空間ソート（Y軸、次にX軸の順に並べ替えて読み上げ順序を近似する）が必要となるケースは少なくなります。PaddleOCRで明示的なソートロジックが必要だった文書については、ソートコードを移植する前に、IronOCRのデフォルトの出力順序が既に要件を満たしているかどうかをテストしてください。

前処理トランジション

PaddleOCRの深層学習検出モデルは、ある程度の画像品質劣化に対応できます。ニューラルネットワークは、Tesseractの従来のセグメンテーションパイプラインよりもノイズや歪みをより確実に処理します。IronOCRに移行する際は、以前は前処理なしで正常に処理されていた文書に対して、明示的なIronOCR処理を追加してください。

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

非標準的な角度でスキャンされた文書や、背景にノイズが含まれている文書の場合、これら4つのフィルターを使用することで、精度の差の大部分を補正できます。画像方向補正ガイドと画像色補正ガイドには、各フィルターが一般的なスキャン時のアーティファクトに及ぼす影響が記載されています。 移行を完了する前に、代表的な文書を両方のパイプラインで実行し、実際の文書セットの精度が要件を満たしていることを確認してください。

デプロイメントのクリーンアップ

移行後、デプロイメントアーティファクトのサイズは大幅に縮小します。 opencv_world*.dllファイル（合計約50MB）を削除します。 Dockerfileからapt-get install libopencv-dev行とモデルコピーのステップを削除します。モデルを事前ダウンロードしたり、モデルディレクトリをキャッシュしたりするCI/CDステップを削除します。 Dockerイメージのサイズが約1.5GBから約400MBに縮小します。