Paddle OCR vs Tesseract: Ayrıntılı OCR Karşılaştırması

Pratikte Üç-Model Boru Hattı

PaddleOCR her bir çıkarım çağrısı üç sinir ağını ardı ardına çalıştırır. Aşağıdaki kod, herhangi bir metin dönmeden önce bir geliştiricinin karşılaştığı tam kurulum yolunu gösteriyor:

// 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

result.Regions dizisi, her biri bir Text dizgesi, bir Score güven değeri ve bir Rect sınırlayıcı kutu ile birlikte bireysel metin alanı nesneleri içerir. Güvene göre filtrelemek için: result.Regions.Where(r => r.Score > 0.8). Bölge sıralaması mekansaldır, okuma sırası garanti edilmez, bu yüzden region.Rect.Center.Y sonra region.Rect.Center.X sıralamak yaygın bir modeldir.

Ayrıntılı Özellik Karşılaştırması

PaddleOCR Yaklaşımı

Çinli model hattı, Baidu tarafından geniş ölçekli Çin belgeleri veri setleri üzerinde eğitilmiş tespit ve tanıma ağları nedeniyle iyi performans gösterir, ki Baidu'nun temel işi, geniş çapta Çin web içeriği işlemeyi içerir.

// 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

Güven filtresi kalıbı (r.Score >= 0.8) önemlidir çünkü derin öğrenme tespit adımı bazen metin dışı alanları metin olarak işaretleyecektir. Filtreleme olmadan, gürültü bölgeleri çıktıda görünür. Önce Rect.Center.Y ardından Rect.Center.X sıralamak, okuma sırasını yaklaşık olarak belirler ancak karmaşık çok sütunlu düzenlerde garanti etmez.

IronOCR Yaklaşımı

IronOCR'nin Basitleştirilmiş Çince desteği bir NuGet paketi olarak kurulabilir ve model yönetimi gerektirmez. Çince belgelerde doğruluk oranı %85-90 aralığında seyreder — aynı malzemede PaddleOCR'nin %95+'sinden düşük, ancak özellikle belgeler tutarlı formata sahip olduğunda birçok üretim kullanım durumu için yeterlidir.

// 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

Birkaç dili aynı anda kullanmaları gereken ekipler için — örneğin karışık Çince/İngilizce belgeler — IronOCR, kombinasyonu AddSecondaryLanguage ile ele alır. PaddleOCR, diller arasında model setlerini değiştirmeyi gerektirir, bu da ayrı indirme çağrıları ve ayrı motor örnekleri anlamına gelir.

Taviz belirli: PaddleOCR, saf CJK doğruluğunda kazanır. IronOCR, İngilizce/Latince doğruluğunda (97-99% vs. 92-95%), düşük kaliteli taramalar için ön işleme ve model dosyalarını yönetmenin operasyonel basitliğinde kazanır. Karışık dillerde belge işleyen veya ağırlıklı olarak Avrupa dillerindeki belgeleri işleyen ekipler, IronOCR'nin doğruluk profilini toplamda daha kullanışlı bulacaktır. IronOCR eğitim merkezi'ne çok dilli ve ön işleme örnekleri için bakın.

PaddleOCR Yaklaşımı

PaddleOCR, gidip indirmek için NuGet paketinden bağımsız modeller gönderir. Tam hat OCR çalışması için üç model dizini gereklidir ve bunları elde etmenin her bir yaklaşımı farklı bir denge içerir:

// 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();

Model sürümü, sarıcı sürümü ile uyuşmalıdır. Sdcb.PaddleOCR güncellendiğinde, önceki sürümden önceden indirilen modellerin yeniden indirilmesi gerekebilir. NuGet restore adımını önbelleğe alan CI/CD hatları, model dosyası önbelleğe almayı ayrıca yönetmeli veya konteyner yapı aşamasında model indirmeleri tetiklemelidir. Docker görüntüsü karşılaştırması sonucu gösterir: bir PaddleOCR konteyneri yaklaşık olarak 1.5GB'dir; bir IronOCR konteyneri yaklaşık olarak 400MB.

IronOCR Yaklaşımı

IronOCR dil modelleri standart NuGet paketleridir. İndirme çağrıları yok, model dizini yönetimi yok, sürüm eşitleme yok. NuGet paketi,IronOCR için İngilizce modeli içerir; Ek dil paketleri diğer bağımlılıklar gibi kurulur.

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

using IronOcr;

//Hayırasync 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;

//Hayırasync 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

' Hayırasync 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

Dil paketleri, dotnet restore'in bir parçası olarak geri yüklenir. models/ dizinlerini kopyalayan, apt-get install libopencv-dev çalıştıran ve CUDA tabanlı görüntüyü ekleyen Docker yapı adımı,IronOCR konteynerinde basitçe mevcut değildir. Docker dağıtımı veya Azure dağıtımı kullanan ekipler için, konteyner inşa karmaşıklığındaki fark önemli.

PaddleOCR Yaklaşımı

GPU çıkarımları NuGet dışında tamamen ayrı bir yazılım yığını gerektirir. Ortam ön koşulları hassastır ve sürüm kilitlidir:

// 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 ayarlanmadıysa, eşleşen cuDNN DLL beklenen yolda yoksa veya çalışma zamanı paketi sürümü yüklü CUDA araç takımı ile uyuşmuyorsa, çağrı doğal kitaplık yükleme istisnası atar. Bu arızayı teşhis etmek, sürücü sürümlerini, PATH girdilerini ve DLL varlığını çeşitli dizinlerde kontrol etmeyi gerektirir. Docker'da, GPU desteği nvidia/cuda:11.8.0-cudnn8-runtime-ubuntu22.04 tabanlı görüntü artı nvidia-container-toolkit ana makinede gerektirir, bu da hem görüntü oluşturma hem de konteyner çalışma zamanı yapılandırmasına karmaşıklık katar.

Sadece CPU dağıtımları için, PaddleOCR, MKL hızlandırmalı çalışma zamanı varsayılanı: soğuk başlangıç model yüklemesi 3-5 saniye ile görüntü başına yaklaşık 300-500ms'dir.

IronOCR Yaklaşımı

IronOCR, CPU çıkarımı için tasarlanmıştır. Standart donanımda, GPU bağımlılığı, CUDA yığını veya sürücü sürümü endişesi olmadan görüntü başına150-300mssağlar. Motor ayrıca bir saniyenin altında başlar çünkü modeller başlatma sırasında diskten yükleneceği yerine paketlendikleri için.

using IronOcr;

//HayırGPU 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;

//HayırGPU 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

' HayırGPU 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 donanımı olmadan ölçekli geçiş için, IronOCR'ın iş parçacığı güvenli tasarımı, ayrı IronTesseract örnekleri ile bir dizi görüntü üzerinde Parallel.ForEach sağlar — her bir işlem kilitlenmeden bağımsız olarak işler. çoklu iş parçacığı örneği modelini gösterir. 4 çekirdekli bir CPU'da görüntü başına 150-300ms'lik bir hızda, 100 görüntüden oluşan bir toplu iş, paralellik kullanılarak 20-40 saniyede tamamlanır — çoğu web API ve belge hattı senaryosu için GPU yatırımını gereksiz hale getiren CPU geçişi.

görüntü kalite düzeltme kılavuzu, otomatik ön işlemenin ayar gerektirdiği durumlar için ön işleme yapılandırmasını ayrıntılı olarak ele alır.

PaddleOCR Yaklaşımı

// 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();

//YönergePDF-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();

//YönergePDF-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 PdfOcrProcessor
    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()

            ' YönergePDF-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

Bu, tek bir PDF için 30+'dan fazla satırdır. Başka bir NuGet bağımlılığı (PdfiumViewer) eklenmesi, seçilen DPI'da manuel sayfa işlemesi, geçici dosya oluşturma ve silme ve sonuçların tekrar ve tekrar toplanması — tümü PaddleOCR'nin kendisinden önce başlatılır. Çok düşük DPI seçimi doğruluğu düşürür; çok yüksek olanı işlem süresini artırır. Geliştirici bu karara sahiptir.

IronOCR Yaklaşımı

IronOCR, PDF'leri yerel olarak okur. Dönüşüm kütüphanesi yok, geçici dosyalar yok, çağrı yerinde sayfa başına döngü yok:

using IronOcr;

var ocr = new IronTesseract();

// Yerel PDF girişi — 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();

// Yerel PDF girişi — 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()

' Yerel PDF girişi — 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

Şifre korumalı PDF'ler, aynı LoadPdf yolu ile bir Password parametresi kullanır. PDF giriş kılavuzu ve arama yapılabilir PDF kılavuzu çok sayfalı ve çıktı seçeneklerini ayrıntılı olarak kapsar. PDF olarak gelen her dosyanın geldiği taranmış belge arşivlerini dijitalleştiren kuruluşlar için bu fark, bir entegrasyon kodu katmanını önemli ölçüde ortadan kaldırır.

Dil Gereklilikleri 14'ün Ötesine Geçtiğinde

Bir proje Çin faturalarını işlemeye başlar — PaddleOCR bunu iyi çalıştırır. Sonra müşteri tabanı genişler ve belgeler Lehçe, Felemenkçe, Yunanca, Vietnamca ve Türkçe olarak gelir. PaddleOCR'nin desteklenen 14 dili, bunlardan hiçbirini kapsamaz. Taşınma zorunlu hale gelir çünkü araç kullanım durumuyla büyüyemez. IronOCR'da Lehçe desteğini eklemek bir NuGet paket eklemesi ve tek satır konfigürasyon değişikliğidir. Bir projeyi "başlangıçta Çince ağırlıklı ama sonunda çok bölgesel" olarak çalışan ekipler, bir yeniden yazım olmadan dil kapsamını genişletebilen bir araçla başlamaya karar vermelidir.

Kurulum Maliyeti Sorun Bütçesini Aştığında

PaddleOCR belgeleri, ilk kurulum için CPU'da 30-60 dakika ve GPU'da 2-8 saat tahmin eder. Saatte 100$ olan geliştirici zamanı, ilk GPU konfigürasyonu denemesinin ilk üretim görüntüsü işlenmeden önce 200-800$ maliyetine neden olur.IronOCR kurulumu tek bir kurulum komutu ve dört satırlık bir kod örneği — beş dakikadan az. Dahili araçlar, prototipler veya OCR'nin ana üründen ziyade ikincil bir özellik olduğu projeler için bu zaman farkı, OCR özelliğinin mevcut sprintte gönderilip gönderilmeyeceğini veya öncelik dışına çıkarılacağını belirler.IronOCR ile çabaya başlamak bir CUDA ortamını yapılandırmaktan daha az zaman alır.

PDF İş Akışlarının Hakim Olduğu Durumlar

Taranmış belge arşivlerini dijitalleştiren kuruluşlar, faks-to-PDF hatlarını işleyen veya PDF formatında faturalar ve sözleşmelerden veri çıkaranlar PaddleOCR'de yapısal bir sorunla karşılaşır: her PDF, ek bir kütüphane, manuel sayfa işlemesi, geçici dosya yönetimi ve DPI seçim mantığı gerektirmeden önce PaddleOCR tarafından işlenmelidir. Bu, rastgele bir karmaşıklık değildir — kalıcı bir bakımdır. İlk PaddleOCR entegrasyonundan sonra iş yüklerinin %80+'i PDF tabanlı olduğunu keşfeden ekipler, %80+'i PDF tabanlı olduklarında taşınır genellikle PDF dönüşüm katmanı bir hata kaynağı haline geldiğinde taşınır.

Baidu Menşei Uyarıları Uyumluluk İncelemeleri

Hükümet, savunma, sağlık hizmetleri ve finansal hizmetler kuruluşlarındaki kurumsal güvenlik ekipleri giderek artan bir şekilde Çin devletiyle bağlantılı şirketlerden kaynaklanan bileşenlere inceleme kriterleri uygulamaktadır. PaddleOCR, bir Baidu projesidir; model indirmeleri varsayılan olarak Baidu Cloud Storage'a bağlanır; PaddlePaddle çerçevesi bir Baidu ürünüdür. Kod yerel olarak çalışır ve belgeler iletilmez, ancak model eserleri Baidu altyapısından kaynaklanır. FedRAMP, ITAR veya CMMC ortamları için, bu menşei uyumluluk incelemesini tetikler ve benimsemeyi engelleyebilir. IronOCR, ABD merkezli bir şirket olan Iron Software'in bir ürünüdür, içerikleri yerel olarak işler, dış bağlantı yapmaz ve üçüncü taraf bir sunucudan model indirmeleri gerektirmez.

GPU Altyapısı Hazır Olmadığında

PaddleOCR CPU'da (300-500ms/görüntü, 3-5 saniye soğuk başlangıç,500MB-1GBbellek)IronOCR CPU'dan (150-300ms/görüntü, bir saniyeden az soğuk başlangıç,100-200MBbellek) daha yavaş ve daha ağırdır. PaddleOCR'nin GPU avantajı yalnızca CUDA/cuDNN kurulumu sonrasında belirginleşir ve yalnızca yüksek hacimde operasyonel karmaşıklığı doğrular. GPU örnekleri olmayan yetkili bulut altyapısı çalıştıran takımlar — GPU olmayan EC2, Azure App Service, AWS Lambda — PaddleOCR kurulum maliyetini haklı çıkarmayan bir performans avantajı almadan öder.

Paket ve Namespace Değişimi

Paket değişimi beş bağımlılığı kaldırır ve bir tane ekler. Sdcb.PaddleOCR, Sdcb.PaddleOCR.Models.Online, Sdcb.PaddleInference.runtime.* paketi, OpenCvSharp4 ve OpenCvSharp4.runtime.win, .csproj'den kaldırın. IronOcr ekleyin. Önceden indirilen bir model seti kullanan İngilizce olmayan tüm diller için NuGet paketleri olarak dil paketleri ekleyin.

using Sdcb.PaddleOCR ve using OpenCvSharp direktifleri using IronOcr ile değiştirilir. Mat mat = Cv2.ImRead(path) kalıbı new OcrInput(path) veya input.LoadImage(path) ile değiştirilir. ocr.Run(mat) çağrısı ocr.Read(input) olur. Görüntü giriş API'sini kullanan projeler için, OcrInput nesnesi dosya yollarını, bayt dizilerini, akışları ve System.Drawing.Bitmap kabul eder — OpenCvSharp aracı tamamen ortadan kalkar.

Sonuç Yapısı Yeniden Eşleme

PaddleOCR, result.Regions döndürüyor — PaddleOcrResultRegion nesnelerinin bir dizisi olarak, region.Score 0 ile 1 arasında bir float. IronOCR, result.Words döndürüyor — word.Confidence ise 0 ile 100 arasında bir yüzde. Güven filtresi r.Score >= 0.8, w.Confidence >= 80 ile eşlenir. Sınırlayıcı kutu erişimi, region.Rect.Center.X / region.Rect.Size.Width'den word.X / word.Width'ya değişiyor. yapılı sonuçlar rehberi sayfaları, paragrafları, satırları ve kelimeleri kapsar.

İtalik sıralama (okuma sırasını taklit etmek için Y'ye sonra X'e göre sıralama),IronOCR ile daha az sıklıkla gereklidir çünkü Tesseract düzen motoru sayfa segmentasyonu adımında okuma-sırası analizini gerçekleştirir. PaddleOCR'nin özel sıralama mantığını gerektirdiği belgelerde, IronOCR'nin varsayılan çıktı düzeninin zaten bu gereksinimi karşılayıp karşılamadığını portlama kodunu aktarmadan önce test edin.

Ön İşleme Geçişi

PaddleOCR'nin derin öğrenme tespit modeli, orta derece görüntü kalitesi bozulmasına tolerans gösterir — sinir ağı, gürültü ve eğriliği, Tesseract'ın klasik segmentasyon hattından daha güvenilir bir şekilde ele alır. IronOCR'ye geçiş yaparken, önceden sorunsuz işlenmiş belgeler için açık ön işleme ekleyin:

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

Standart olmayan açılarda veya arka plan gürültüsü olan taranmış belgeler için bu dört filtre çoğu doğruluk boşluğunu kapatır. görüntü yönlendirme düzeltme kılavuzu ve görüntü rengi düzeltme kılavuzu, her filtrenin yaygın tarama artefaktlar üzerindeki etkisini belgelemektedir. Son geçişi öncesinde her iki hattan temsili belgeleri çalıştırarak doğruluğun gerçek belge setinde gereksinimleri karşıladığını doğrulayın.

Dağıtım Temizliği

Taşıma sonrası, dağıtım eseri önemli ölçüde küçülür. models/ dizin ağacını silin (üç alt dizin, ~21MB model dosyası), paddle_inference.dll (~200MB), paddle2onnx.dll (~5MB), ve opencv_world*.dll dosyaları (~50MB toplam). Dockerfile'dan apt-get install libopencv-dev satırını kaldırın ve model kopyalama adımını silin. Modelleri önceden indiren veya model dizinlerini önbelleğe alan herhangi bir CI/CD adımını kaldırın. Docker görüntüsü yaklaşık 1.5GB'dan 400MB'a düşer.