PaddleOCR模型推理参数解释
在使用PaddleOCR进行模型推理时,可以自定义修改参数,来修改模型、数据、预处理、后处理等内容(参数文件:utility.py),详细的参数解释如下所示。
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 |
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 |
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 |
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 |
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。 |
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 |