revert: remove enable_detection and return_word_box options
按需求移除两个开关: - enable_detection:跳过检测直接识别,实测只对单行图有效,多行文档会返回空结果 - return_word_box:字/词级坐标,默认即关闭且开销在噪声内,无实际收益 恢复正常的两段式链路:文本检测 → 文本识别。 Co-Authored-By: Claude Code <noreply@anthropic.com>
This commit is contained in:
@@ -305,12 +305,10 @@ NotImplementedError: ConvertPirAttribute2RuntimeAttribute not support
|
||||
|
||||
一次遗留说明:在项目外的独立虚拟环境里,同样的参数曾测到 452 框 / 2374 字符,与项目环境不一致。两个环境的依赖版本经比对完全相同(paddlepaddle 3.2.2 / paddleocr 3.7.0 / paddlex 3.7.2 / opencv 4.10.0.84 / numpy 2.3.5),模型目录也是同一个,**该差异原因未定位**。由于两个环境各自内部都重复稳定,且 oneDNN 的中性结论在两个环境分别验证过(各自开启/关闭输出 md5 一致),这不影响上述结论,但仍建议以项目环境(即实际服务环境)的实测为准。
|
||||
|
||||
#### 启用所需的改动
|
||||
#### 启用所需的改动(均已完成)
|
||||
|
||||
两项都要做,缺一不可:
|
||||
|
||||
1. 把依赖从 `paddlepaddle 3.3.1` 降到 `3.2.2`;
|
||||
2. 让 `enable_mkldnn` 可配置——当前 `src/ocr_server/ocr.py` 里是**写死的 `False`**,需要新增配置项。
|
||||
1. 依赖固定为 `paddlepaddle>=3.2,<3.3`(见 `pyproject.toml`,请勿手动升到 3.3.x);
|
||||
2. `enable_mkldnn` 已作为配置项暴露,在 `config.yaml` 中设置即可(默认 `true`)。
|
||||
|
||||
本次验证在项目外的独立虚拟环境完成(`paddleocr 3.7.0` + `paddlex 3.7.2` + `paddlepaddle 3.2.2` 可正常推理),未改动你的项目环境和模型。
|
||||
|
||||
@@ -590,86 +588,6 @@ 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:
|
||||
|
||||
```yaml
|
||||
return_word_box: false
|
||||
```
|
||||
|
||||
默认 `false`:每个 `polygon.textN` 只返回该文本片段的整体 `Location`,速度更快、JSON 更小。
|
||||
|
||||
开启:
|
||||
|
||||
```yaml
|
||||
return_word_box: true
|
||||
```
|
||||
|
||||
识别结果中每个文本片段会增加 `words`:
|
||||
|
||||
```json
|
||||
{
|
||||
"text1": {
|
||||
"text": "检查号:26100830064",
|
||||
"confidence": 0.99,
|
||||
"Location": {
|
||||
"xtop": 0,
|
||||
"ytop": 0,
|
||||
"xbottom": 300,
|
||||
"ybottom": 30
|
||||
},
|
||||
"line": 1,
|
||||
"paragraphs": 1,
|
||||
"words": [
|
||||
[[0, 0], [60, 0], [60, 30], [0, 30]],
|
||||
[[60, 0], [120, 0], [120, 30], [60, 30]]
|
||||
]
|
||||
}
|
||||
}
|
||||
```
|
||||
|
||||
`words` 是按 PaddleOCR 返回的字/词级四点 polygon 数组,顺序与识别文本对应。开启后会增加识别耗时与响应体积,只有需要逐字定位时才建议打开;整体文本框 `Location` 无论开关都保留。
|
||||
|
||||
## API
|
||||
|
||||
### 1. 上传图片
|
||||
@@ -1018,8 +936,6 @@ 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` |
|
||||
|
||||
接口文档:启动后访问 <http://127.0.0.1:8000/docs>。
|
||||
|
||||
Reference in New Issue
Block a user