跳转至

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。

  • 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_mpTrue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minmaxmin表示保证图像最短边不小于det_limit_side_lenmax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fastslowfast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, maxmin表示保证图像最短边不小于e2e_limit_side_lenmax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fastslowfast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