新增需求征集（Collect Feature Request）

[shiyutang]

我们将这个Issue 保持开放状态，以收集用户的功能请求并听取您的声音。我们的发布计划将在不同的问题上进行更新。

在这个Issue中，您可以：

1. 通过发表评论来建议新功能。
2. 使用 👍 投票支持功能请求，或者使用 👎 反对。 （请记住，我们也许无法响应所有功能请求，因此请投票给您最喜欢的功能请求！）
3. 如果你也愿意参加代码贡献，欢迎参与我们的活动 🏅️飞桨套件快乐开源常规赛 #10223。
4. 我们会在上述活动的技术研讨会中对需求进行讨论，如果想要参与讨论你觉得重要的需求，欢迎加入上述活动微信群。

We keep this issue open to collect feature requests from users and hear your voice. Our release plan will be updated on different issues.

In this issue, you can either:

1. Suggest a new feature by leaving a comment.
2. Vote for a feature request with 👍 or be against it with 👎. (Remember that developers are busy and cannot respond to all feature requests, so vote for your most favorable one!)
3. Tell us that you would like to help implement one of the features in the list or review the PRs. Welcome to participate in our activity 🏅️飞桨套件快乐开源常规赛 #10223(This is the greatest thing to hear about! )
4. Join the above WeChat group in the activity link if you want to discuss the new features with us

[shiyutang]

范例：
需求描述：支持文本识别单字位置分割；支持更多小语种模型；训练语种分类模型；文本识别返回单字置信度等
需求场景（这个需求可以解决哪些应用场景的问题）： 覆盖小语种的分类场景
潜在解决方案（问题分解）：调取小语种数据集进行训练。

example:
Description of feature request:
Requirement scenarios (what application scenarios can this feature request solve):
Potential solutions (problem breakdown):

[WilliamQf-AI]

需求描述：
版面恢复里的功能（恢复为docx或者excel）c++版。
需求场景：
c++版本可以部署到端侧，实现本地本地化的办公文档扫描。
潜在解决方案：
版面分析后，使用minidocx创建docx文档，libxlsxwriter生成excel。

[WilliamQf-AI]

需求描述：
返回单字符坐标。
需求场景：
文档比对。

[WilliamQf-AI]

需求描述：
拍照图片矫正模型。
需求场景：
办公文档扫描时，对倾斜等图片进行类似边缘检测，透视变换等的矫正功能。

[EasyIsAllYouNeed]

需求描述：
返回单字符坐标。
需求场景：
ocr 之后 NLP场景需要对应到原图上的文字位置

[Frozen1084]

需求描述：一个支持简繁英日的东亚模型
需求场景：多语言并存场景下的识别
潜在解决方案（问题分解）：

[BeyondYourself]

需求描述：表格结构提取
场景：各种业务场景下的表格，其中包括有线、无线表格
潜在解决方案（问题分解）：

[livingbody]

需求描述：古籍识别
需求场景：繁体字识别来一下？

[shiyutang]

范例：
需求描述：版面矫正网络论文复现：DocTr++: Deep Unrestricted Document Image Rectification
需求场景（这个需求可以解决哪些应用场景的问题）：大量文档进行版面分析之前需要进行光照、扭曲等矫正
说明：

1. 通过定量实验和定性对比，作者团队验证了 DocTr++ 的性能优势及泛化性，并在现有及所提出的基准测试中刷新了多项最佳记录，是目前最优的文档矫正方案。
2. 暂时没有预训练权重和训练代码，需要按照论文描述重新训练尝试。
   潜在解决方案（问题分解）：复现上述论文，代码链接：https://github.com/fh2019ustc/DocTr-Plus

[printfxs]

Scene Text Recognition with Permuted Autoregressive Sequence Models,即parseq 文本识别算法效果不错，有没有在paddleOCR上实现。

[Bobholamovic]

需求描述：PaddleOCR与PaddleDetection与Pillow新版本10.x不兼容。目前PaddleOCR采用的临时解决方案是在依赖列表中限制只能使用旧版本Pillow（参见 #10344 ），而PaddleDetection未采取任何措施（按照文档安装后，使用deploy/python/visualize.py等部分功能时会直接报错）。出于套件可持续建设的考虑，希望能够适配最新版本的Pillow。

需求场景： 目前已发现涉及使用字体的相关场景存在此问题。

潜在解决方案：

1. 对于PaddleOCR和PaddleDetection，修改过时的接口名称或参数（例如FreeTypeFont.getsize），替换为等效的API调用；
2. 对于PaddleOCR，去除requirements.txt中Pillow版本的限制。

[EasyIsAllYouNeed]

需求描述：
当前ppocrv3模型存在以下问题：
1 字典不全，没有覆盖《通用规范汉字表》
2 对于字典中存在的生僻字，可能因为训练语料不平衡问题，识别效果很差
希望：
1 扩充中文字典，覆盖《通用规范汉字表》
2 增加平衡语料，重新训练
需求场景：
姓名，古文识别等场景

[EasyIsAllYouNeed]

需求描述：
ocr det 之前增加文档方向检测和矫正过程，支持0,90,180,度的文档，
可以作为ppocr命令行参数
需求场景：
手机拍照，文档材料数字化自动化场景

[shiyutang]

Scene Text Recognition with Permuted Autoregressive Sequence Models,即parseq 文本识别算法效果不错，有没有在paddleOCR上实现。

@printfxs 我们有集成目前最优的识别模型SVTR
@printfxs 我们打算将其作为任务发布了，不知道有没有想法来参与论文复现任务呢，完成任务可以获得小奖品，还可以我们持续交流，解决问题，互相学习哦。

[shiyutang]

@BeyondYourself 请看PP-structure中现有功能能否支持：https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.6/ppstructure/README_ch.md#2-%E7%89%B9%E6%80%A7

PaddleOCR/ppstructure/table/predict_table.py

Line 58 in fac0387

class TableSystem(object):

https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.6/ppstructure/table/README_ch.md

[wangxu372848892]

需求描述：c++版本tensorRT的demo每次运行都要大量时间构建trt-engine,期望提供一个临时cache文件夹，固化保存
需求场景： trt方案中，进程重启的场景
潜在解决方案（问题分解）：fastDeploy中提供了trt_engine的cache路径。

[chang50961471]

带文字的图像矫正模型，可以矫正任意角度的图片

[wzz981]

需求描述：针对文本检测在行列方向遇到离得近的文本可能更会检测成同一区域文本，大多数文档的表格中的单元格文字可能在行方向的文本之间的距离比在列方向的文本离得还远，那么就会出现把列方向的文本检测为同一区域文本。希望文本检测模型能分开行检测和列检测模型。

需求场景（这个需求可以解决哪些应用场景的问题）： 大多数存在表格的文档图像，比如户口本、发票、驾驶证等
潜在解决方案（问题分解）：文本检测模型分别微调出行检测和列检测模型。

[AugensternDu]

需求描述： 返回单字符坐标。 需求场景： 文档比对。

请问现在有技术去实现吗

[zjp99]

范例：
需求描述：支持工业场景文本识别，主要是背景复杂，字体边界容易有背景干扰，也就是说字体分割无法和背景清晰分出
需求场景（这个需求可以解决哪些应用场景的问题）：工业零件上字体识别，新生产的字体清晰，但维修或者旧的不清晰
潜在解决方案（问题分解）：负责背景识别

[linjson]

需求描述:希望能在apple m2上可以完全运行

[chch9907]

需求描述：自然场景下的繁体字识别（chinese_cht_PP-OCRv3对于一些自然场景中的文字识别的不够准确）
需求场景：繁体字地区自然场景下的繁体字识别，如路牌、店铺名称等。

[icdcg]

需求描述：基于C#预测引擎推理部署
需求场景：各类基于.Net平台的项目中，能够方便的调用模型进行识别工作
潜在解决方案（问题分解）：使用C#语言编写一个推理部署的样例项目。

[He110te4m]

需求描述：国际化切换后文本布局对比。
需求场景（这个需求可以解决哪些应用场景的问题）： 网站进行语言切换后，识别排版是否混乱，如文本溢出、高度溢出等异常场景，与无头浏览器结合为国际化测试解决方案。
潜在解决方案（问题分解）：对页面截图进行文本区域检测，对比文本区域数量、文本区域的大小。

[AnitaSherry]

不知道是什么语种的时候希望加一个自动识别语言的多语言模型

[555myhair]

需求描述：
自定义划分图片区域OCR识别。
需求场景：
同一张照片只需要图片右侧的信息

[555myhair]

我的想法是直接用opencv crop指定区域，伪代码如下

import cv2

img = cv2.imread('xxx.jpg')

right_img = img[:, 10:100]

后面的right_img = img[:, 10:100] 这个数字是区域吗？我没看懂

[wzz981]

我的想法是直接用opencv crop指定区域，伪代码如下

import cv2

img = cv2.imread('xxx.jpg')

right_img = img[:, 10:100]

后面的right_img = img[:, 10:100] 这个数字是区域吗？我没看懂

这是图片像素坐标，img[左上点y: 右下点y, 左上点x: 右下点x]

[555myhair]

我的想法是直接用opencv crop指定区域，伪代码如下

import cv2

img = cv2.imread('xxx.jpg')

right_img = img[:, 10:100]

后面的right_img = img[:, 10:100] 这个数字是区域吗？我没看懂

这是图片像素坐标，img[左上点y: 右下点y, 左上点x: 右下点x]

好的，谢谢你

[555myhair]

我的想法是直接用opencv crop指定区域，伪代码如下

import cv2

img = cv2.imread('xxx.jpg')

right_img = img[:, 10:100]

后面的right_img = img[:, 10:100] 这个数字是区域吗？我没看懂

这是图片像素坐标，img[左上点y: 右下点y, 左上点x: 右下点x]

不行奥，亲亲。我设置 img[1:396, 1:272]可以，但是 img[396:800, 272:600]就会报错。
报错内容是：TypeError: 'NoneType' object is not iterable

[SWHL]

@555myhair 建议先搜搜百度或者谷歌

[hsywu2020]

现在的模型对图片里的括号识别不太好

[PeterPanWF]

需求描述：字典支持更多编码，比如GB18030。
场景描述：古文、繁体字识别中遇到大量UFT-8编码外文字。小语种文字识别也涉及更多非utf-8编码。

[BinQSS]

需求描述： 文本能正确识别国际音标如： aʊ，ɔɪ，aɪ，tʃ ，ʊə, ʌ.. ....... 等，目前模型对这方面识别能力相当差
场景描述： 英文学习资料整理时， 有需要对单词标注音标，模型识别能力表现较差

[lroundly]

需求描述：在使用ppocrLabel标注时，有时会进行批量补空框的操作，补完空框后还需要一个个拖动调整编号顺序，框一多一个一个的拖动不好操作，能否实现选中多个框拖动的操作，或者可以直接编辑框的序号，提高标注效率

[GreatV]

麻烦到这里提需求 https://github.com/PFCCLab/PPOCRLabel ，PPOCRLabel已经迁移到其他地方