feat: add enable_detection switch to skip text detection

enable_detection: false 跳过检测模型,直接把整图当一行文本送识别。
实测:单行图可正确识别;多行整图因识别模型固定缩放到高 48px 会返回空结果,已加告警。

Co-Authored-By: Claude Code <noreply@anthropic.com>
This commit is contained in:
zimoyin
2026-10-13 15:59:25 +08:00
parent 6821d0d137
commit a7d4ff6454
8 changed files with 162 additions and 16 deletions
+40
View File
@@ -590,6 +590,45 @@ Windows 不能直接生成 Ubuntu ELF 二进制。`package-ubuntu.sh` 必须在
GPU 部署不使用当前 CPU 依赖作为判断依据,请按照 PaddlePaddle 官方文档安装与 CUDA、cuDNN、驱动匹配的 GPU 版本,然后再安装本项目依赖。
## 跳过检测:enable_detection
正常 OCR 由两个模型接力完成:
```text
文本检测模型(det)→ 找出所有文本框(位置)
↓
文本识别模型(rec)→ 逐个识别框里的文字
```
`enable_detection: true`(默认)就是这条链路。⚠️ 检测模型**不是画框/可视化**,它的作用是定位文字区域;服务里没有任何绘制标注图的步骤(PaddleOCR 的 `save_to_img` 我们从未调用)。
把它设为 `false` 可以**跳过检测、直接把整张图当作一行文本送识别模型**:
```yaml
enable_detection: false
```
⚠️ **只适用于图片本身就是单行文本的场景**(例如你自己裁好的一行字、一个字段条)。原因是识别模型会把输入统一缩放到**高约 48px**:
| 输入 | 实测结果 |
| --- | --- |
| 裁出的单行(42×640) | `MU237903DECW035`,置信度 0.9765 ✅ |
| 整张多行图(896×528) | **空结果**,置信度 0 ❌(被压成 48×81,文字全糊) |
所以多行图片用这个模式会返回空结果,服务会打印告警:
```text
WARNING 跳过检测后没有识别出任何文字。该模式要求图片本身是单行文本;
如果是多行图片,请把 enable_detection 改回 true。
```
其他注意事项:
- 关闭检测后 `text_det_limit_side_len`、`text_det_thresh` 等**检测参数不再生效**;
- 识别结果只有一条文本片段,`polygon` 为空(因为没有检测框);
- 该模式下 `return_word_box` 也无法给出词级框(缺检测框作为基准);
- 进度日志仍保留全部关键点,50% 显示为「跳过框识别」,便于和前一条链路对齐。
## 文本框开关:return_word_box
配置:
@@ -979,6 +1018,7 @@ log_level: INFO
| `text_recognition_batch_size` | `1` | 识别批量大小;内存足够时可提高 |
| `cpu_threads` | `max` | CPU 推理线程数;正整数或 `max`(`max` = 吃满所有逻辑核心) |
| `enable_mkldnn` | `true` | 是否启用 oneDNN 加速;**需要 `paddlepaddle` 3.2.x**,见下方说明 |
| `enable_detection` | `true` | 是否先做文本框检测再识别;`false` 时跳过检测、直接识别(仅适合单行图) |
| `return_word_box` | `false` | 是否返回文本片段内部的字/词级 polygon(会增加耗时和 JSON 体积) |
| `log_level` | `INFO` | 日志级别:`DEBUG`、`INFO`、`WARNING`、`ERROR` |