paddleOCR代码结构与设计思想

2021SC@SDUSC

PaddleOCR的优势

1. 数据标注工具PPOCRLabel
2. 数据合成工具Style-text
3. 算法库丰富
4. 算法模块化，代码复用性高
5. ppocr系列模型
6. 丰富灵活的部署方式

简单理解一个深度学习算法

一个深度学习算法可以分为三个过程：训练过程，评估和推理过程

数据经过产生之后送到模型产生输出，和label进行一个损失的计算，最后根据优化器进行一个反向传递，来修正模型的参数，训练这个过程我们需要：数据，模型，loss还有优化器四个模块。

推理过程是数据通过模型输出，然后进行后处理，直接得到输出。

而评估过程多了一个指标评估，这里主要是考虑该模型是否完善。

paddleOCR–模块化对象

1. 组件的模块化–》数据、模型、损失、优化器、后处理、评估指标六大块的模块化

2. 组件内部的模块化–》六大板块内部模块化
   

paddleOCR–数据模块

operators存了一些对图片的基本操作。

paddleOCR–模型模块

paddleOCR–损失函数模块

paddleOCR–后处理函数模块

rec是识别算法的后处理，cls分类算法的后处理

paddleOCR–优化器模块

paddleOCR–指标评估模块

eval_det_iou.py 检测用到的类在这个文件夹里