网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
- 全局信息
参数名称 | 类型 | 默认值 | 含义 |
---|---|---|---|
image_dir | str | 无,必须显式指定 | 图像或者文件夹路径 |
page_num | int | 0 | 当输入类型为pdf文件时有效,指定预测前面page_num页,默认预测所有页 |
vis_font_path | str | “./doc/fonts/simfang.ttf” | 用于可视化的字体路径 |
drop_score | float | 0.5 | 识别得分小于该值的结果会被丢弃,不会作为返回结果 |
use_pdserving | bool | False | 是否使用Paddle Serving进行预测 |
warmup | bool | False | 是否开启warmup,在统计预测耗时的时候,可以使用这种方法 |
draw_img_save_dir | str | “./inference_results” | 系统串联预测OCR结果的保存文件夹 |
save_crop_res | bool | False | 是否保存OCR的识别文本图像 |
crop_res_save_dir | str | “./output” | 保存OCR识别出来的文本图像路径 |
use_mp | bool | False | 是否开启多进程预测 |
total_process_num | int | 6 | 开启的进程数,use_mp 为True 时生效 |
process_id | int | 0 | 当前进程的id号,无需自己修改 |
benchmark | bool | False | 是否开启benchmark,对预测速度、显存占用等进行统计 |
save_log_path | str | “./log_output/” | 开启benchmark 时,日志结果的保存文件夹 |
show_log | bool | True | 是否显示预测中的日志信息 |
use_onnx | bool | False | 是否开启onnx预测 |
- 预测引擎相关
参数名称 | 类型 | 默认值 | 含义 |
---|---|---|---|
use_gpu | bool | True | 是否使用GPU进行预测 |
ir_optim | bool | True | 是否对计算图进行分析与优化,开启后可以加速预测过程 |
use_tensorrt | bool | False | 是否开启tensorrt |
min_subgraph_size | int | 15 | tensorrt中最小子图size,当子图的size大于该值时,才会尝试对该子图使用trt engine计算 |
precision | str | fp32 | 预测的精度,支持fp32 , fp16 , int8 3种输入 |
enable_mkldnn | bool | True | 是否开启mkldnn |
cpu_threads | int | 10 | 开启mkldnn时,cpu预测的线程数 |
- 文本检测模型相关
参数名称 | 类型 | 默认值 | 含义 |
---|---|---|---|
det_algorithm | str | “DB” | 文本检测算法名称,目前支持DB , EAST , SAST , PSE , DB++ , FCE |
det_model_dir | str | xx | 检测inference模型路径 |
det_limit_side_len | int | 960 | 检测的图像边长限制 |
det_limit_type | str | “max” | 检测的边长限制类型,目前支持min 和max ,min 表示保证图像最短边不小于det_limit_side_len ,max 表示保证图像最长边不大于det_limit_side_len |
其中,DB算法相关参数如下
参数名称 | 类型 | 默认值 | 含义 |
---|---|---|---|
det_db_thresh | float | 0.3 | DB输出的概率图中,得分大于该阈值的像素点才会被认为是文字像素点 |
det_db_box_thresh | float | 0.6 | 检测结果边框内,所有像素点的平均得分大于该阈值时,该结果会被认为是文字区域 |
det_db_unclip_ratio | float | 1.5 | Vatti clipping 算法的扩张系数,使用该方法对文字区域进行扩张 |
max_batch_size | int | 10 | 预测的batch size |
use_dilation | bool | False | 是否对分割结果进行膨胀以获取更优检测效果 |
det_db_score_mode | str | “fast” | DB的检测结果得分计算方法,支持fast 和slow ,fast 是根据polygon的外接矩形边框内的所有像素计算平均得分,slow 是根据原始polygon内的所有像素计算平均得分,计算速度相对较慢一些,但是更加准确一些。 |
EAST算法相关参数如下
参数名称 | 类型 | 默认值 | 含义 |
---|---|---|---|
det_east_score_thresh | float | 0.8 | EAST后处理中score map的阈值 |
det_east_cover_thresh | float | 0.1 | EAST后处理中文本框的平均得分阈值 |
det_east_nms_thresh | float | 0.2 | EAST后处理中nms的阈值 |
SAST算法相关参数如下
参数名称 | 类型 | 默认值 | 含义 |
---|---|---|---|
det_sast_score_thresh | float | 0.5 | SAST后处理中的得分阈值 |
det_sast_nms_thresh | float | 0.5 | SAST后处理中nms的阈值 |
det_box_type | str | quad | 是否多边形检测,弯曲文本场景(如Total-Text)设置为’poly’ |
PSE算法相关参数如下
参数名称 | 类型 | 默认值 | 含义 |
---|---|---|---|
det_pse_thresh | float | 0.0 | 对输出图做二值化的阈值 |
det_pse_box_thresh | float | 0.85 | 对box进行过滤的阈值,低于此阈值的丢弃 |
det_pse_min_area | float | 16 | box的最小面积,低于此阈值的丢弃 |
det_box_type | str | “quad” | 返回框的类型,quad:四点坐标,poly: 弯曲文本的所有点坐标 |
det_pse_scale | int | 1 | 输入图像相对于进后处理的图的比例,如640*640 的图像,网络输出为160*160 ,scale为2的情况下,进后处理的图片shape为320*320 。这个值调大可以加快后处理速度,但是会带来精度的下降 |
- 文本识别模型相关
参数名称 | 类型 | 默认值 | 含义 |
---|---|---|---|
rec_algorithm | str | “CRNN” | 文本识别算法名称,目前支持CRNN , SRN , RARE , NETR , SAR , ViTSTR , ABINet , VisionLAN , SPIN , RobustScanner , SVTR , SVTR_LCNet |
rec_model_dir | str | 无,如果使用识别模型,该项是必填项 | 识别inference模型路径 |
rec_image_shape | str | “3,48,320” | 识别时的图像尺寸 |
rec_batch_num | int | 6 | 识别的batch size |
max_text_length | int | 25 | 识别结果最大长度,在SRN 中有效 |
rec_char_dict_path | str | “./ppocr/utils/ppocr_keys_v1.txt” | 识别的字符字典文件 |
use_space_char | bool | True | 是否包含空格,如果为True ,则会在最后字符字典中补充空格 字符 |
- 端到端文本检测与识别模型相关
参数名称 | 类型 | 默认值 | 含义 |
---|---|---|---|
e2e_algorithm | str | “PGNet” | 端到端算法名称,目前支持PGNet |
e2e_model_dir | str | 无,如果使用端到端模型,该项是必填项 | 端到端模型inference模型路径 |
e2e_limit_side_len | int | 768 | 端到端的输入图像边长限制 |
e2e_limit_type | str | “max” | 端到端的边长限制类型,目前支持min , max ,min 表示保证图像最短边不小于e2e_limit_side_len ,max 表示保证图像最长边不大于e2e_limit_side_len |
e2e_pgnet_score_thresh | float | 0.5 | 端到端得分阈值,小于该阈值的结果会被丢弃 |
e2e_char_dict_path | str | “./ppocr/utils/ic15_dict.txt” | 识别的字典文件路径 |
e2e_pgnet_valid_set | str | “totaltext” | 验证集名称,目前支持totaltext , partvgg ,不同数据集对应的后处理方式不同,与训练过程保持一致即可 |
e2e_pgnet_mode | str | “fast” | PGNet的检测结果得分计算方法,支持fast 和slow ,fast 是根据polygon的外接矩形边框内的所有像素计算平均得分,slow 是根据原始polygon内的所有像素计算平均得分,计算速度相对较慢一些,但是更加准确一些。 |
- 方向分类器模型相关
参数名称 | 类型 | 默认值 | 含义 |
---|---|---|---|
use_angle_cls | bool | False | 是否使用方向分类器 |
cls_model_dir | str | 无,如果需要使用,则必须显式指定路径 | 方向分类器inference模型路径 |
cls_image_shape | str | “3,48,192” | 预测尺度 |
label_list | list | [‘0’, ‘180’] | class id对应的角度值 |
cls_batch_num | int | 6 | 方向分类器预测的batch size |
cls_thresh | float | 0.9 | 预测阈值,模型预测结果为180度,且得分大于该阈值时,认为最终预测结果为180度,需要翻转 |
其它相关推荐:
深知大多数程序员,想要提升技能,往往是自己摸索成长,但自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上鸿蒙开发知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上鸿蒙开发知识点,真正体系化!**
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新