PPStructure核心源码研究（四）TextSystem类详解

总论中对PPStructure核心类做了概要介绍，本文旨在详解核心类之一：TextSystem类。
回顾下总论中的内容，TextSystem类负责文本检测与识别，代码在paddleocr/tools/infer/predict_system.py文件中。何谓文本检测？何谓文本识别？通俗理解，文本检测就是在图像数据中准确找到文本所在位置，文本识别是在文本检测基础上获取局部并识别其中的文本内容。在TextSystem类中，开源团队用边界框（四顶点坐标张量）列表，来描述文本检测模型的结果；用文本与置信度列表，来描述文本识别的结果。
本文首先详细解释TextSystem类的__init__与__call__方法，接着通过应用场景代码实践，进一步了解该类的实现原理与用法。

构造函数__init__方法

构造函数用于构造TextSystem类的实例，是使用该类的前提。构造函数位于predict_system.py文件的第49行，定义如下：

def __init__(self, args)

可见，只要传入一个参数对象args即可，系统并没有对参数对象的类进行任何约束，看起来非常简单。但是，如果仔细阅读源码，可以看出构造函数中对args对象的属性有最小集要求。亦即传入的args参数对象，至少应该包含源码中使用到的属性，否则会报错。以下是args必须包含的属性列表：

• args.show_log 代表是否输出调试日志，可以为True或者False。
• args.use_angle_cls代表是否启用文本方向分类模型，可以为True或者False。如果识别目标中包含非水平布局的文本，一定要启用，否则只能识别到水平排版的文本。
• args.drop_score代表文本识别的置信度阈值，浮点float类型，默认值是0.5。如前所述，置信度是文本识别的重要结果信息，低于args.drop_score的文本识别结果都将从返回值中过滤掉。
• args.det_model_dir代表文本检测模型的本地路径。
• args.rec_model_dir代表文本识别模型的本地路径。
• args.rec_char_dict_path代表文本识别模型的配套字典路径。
• args.cls_model_dir代表文本方向分类模型的本地路径。

注意，三个模型的地址非常关键，如果未设置正确，将直接导致文本检测或者识别失败。三个模型，官网都提供了多个版本，可以直接从官网下载（注意下载时模型model与字典dict要配套）。上述必选参数，数量不多，可以自定义一个类来设置这些属性。为了保持与源码的一致性，推荐使用parse_args函数，该函数的解释参照PPStructure核心源码研究（二）。

魔法函数__call__

上节的构造函数完成了模型基础设置，真正体现功能的地方在魔法函数__call__。函数位于predict_system.py文件的第76行，定义如下：

def __call__(self, img, cls=True, slice={
   })

传入参数解释如下：

• img参数，图像数据三维张量，形状为[h,w,3]，分别代表图像高度、图像宽度、通道数（RGB）
• cls参数，是否启用文本方向分类模型，布尔bool类型，默认值为True
• slice参数，切片设置，字典dict类型，包含horizontal_stride、vertical_stride、merge_x_thres、merge_y_thres四个属性，分别代表切片宽度、切片高度、合并x坐标阈值、合并y坐标阈值。对于文本检测模型，原始图片的大小对识别效果影响显著。识别模型执行前，会对图片进行一系列预处理操作，其中就包含resize预处理。resize预处理会对原始图片过大者（超出det_limit_side_len设定值，默认为960）进行压缩，确保输入张量的shape与模型配置一致。所以，原始图片越大，压缩后检测识别的效果就越差。这种场景下，可以传入slice参数，让TextSystem在识别前先将原始图片切块，逐一识别后，合并识别结果。按照官方说明文档，对于原始尺寸为[6616,14886]的图片，可以设置slice参数为如下：

slice = {
   'horizontal_stride': 300, 'vertical