Cnocr

主要变更：

* CnOCR 内部集成 [CnSTD](https://github.com/breezedeus/cnstd) 进行文本检测，降低使用门槛，提升适用场景的范围。
* 对诸多代码做了重构，同时也对文档进行了大幅度的优化。
* 更新了测试用例，清理了过期的用例。

主要变更：

* 修复 V2.1.2 bug：打包时忘记把 ppocr 模型相关的字符集文件打包进来了 😭。

主要变更：

- 引入了对外部模型的支持，此版加入了对 PaddleOCR 模型的 **ONNX** 版本的支持，具体参见 [可用模型](models.md)；
- 新引入的模型支持识别竖排文字、繁体中文（部分模型），具体参见 [可用模型](models.md)。
- 模型输出结果的格式略有调整，具体参见 [使用方法](usage.md)。

主要变更：

- 增加了对 **ONNX** 模型的支持，支持 **`*-fc`** 模型，提升预测速度；
- 类 `CnOcr` 的初始化中增加了参数 `model_backend` 和 `vocab_fp`，具体参见 [使用方法](usage.md) ；
- 增加了 `cnocr export-onnx` 命令，把训练好的PyTorch模型导出为ONNX模型；
- 去掉了对包 `python-Levenshtein` 的依赖。

主要变更：

* 使用了更精简的模型架构：`densenet_lite_*`；
* 使用了更丰富的数据重新训练了所有模型，精度相较于之前版本更高；
* 提供了更多预训练好的模型；
* 加入了 `cnocr evaluate` 命令以评估效果。

主要变更：

* 重新训练了模型，模型识别精度略有提升；
* 函数 `CnOcr.ocr_for_single_lines(img_list, batch_size=1)` 中加入了 `batch_size` 参数。