paddleocr - 模型效果对比与推理_paddleocr推理模型和训练模型区别

模型效果对比

（1）PP-OCR

（2）端对端-PGNet

模型思路对比

1、PP-OCR

参考：doc/doc_ch/PP-OCRv3_introduction.md · PaddlePaddle/PaddleOCR - Gitee.com

（1）PP-OCR：两阶段的OCR系统，其中文本检测算法选用DB，文本识别算法选用CRNN，并在检测和识别模块之间添加文本方向分类器.

（2）PP-OCRv2：基于PP-OCR在5个方面重点优化，检测模型采用CML协同互学习知识蒸馏策略和CopyPaste数据增广策略；识别模型采用LCNet轻量级骨干网络、UDML 改进知识蒸馏策略和Enhanced CTC loss损失函数改进（如上图红框所示），进一步在推理速度和预测效果上取得明显提升。

（3）PP-OCRv3：基于PP-OCRv2在9个方面进行升级。

 2、PGNet

参考：doc/doc_ch/algorithm_e2e_pgnet.md · PaddlePaddle/PaddleOCR - Gitee.com

端对端OCR算法包括MaskTextSpotter系列、TextSnake、TextDragon、PGNet系列等。在这些算法中，PGNet算法具备其他算法不具备的优势，包括：

（1）设计PGNet loss指导训练，不需要字符级别的标注
（2）不需要NMS和ROI相关操作，加速预测
（3）提出预测文本行内的阅读顺序模块；
（4）提出基于图的修正模块（GRM）来进一步提高模型识别性能
（5）精度更高，预测速度更快

模型下载地址与配置文件

1、PP-OCR

doc/doc_ch/models_list.md · PaddlePaddle/PaddleOCR - Gitee.com

训练模型：可作为预训练模型在自己的数据集上训练新模型

推理模型：直接进行推理，观察识别效果

 2、PGNet

预训练模型下载：

cd PaddleOCR/
下载step1 预训练模型
wget -P ./pretrain_models/ https://paddleocr.bj.bcebos.com/dygraph_v2.0/pgnet/train_step1.tar
可以得到以下的文件格式
./pretrain_models/train_step1/
  └─ best_accuracy.pdopt
  └─ best_accuracy.states
  └─ best_accuracy.pdparams

推理模型下载：

mkdir inference && cd inference
# 下载英文端到端模型并解压
wget https://paddleocr.bj.bcebos.com/dygraph_v2.0/pgnet/e2e_server_pgnetA_infer.tar && tar xf e2e_server_pgnetA_infer.tar

配置文件：configs/e2e/e2e_r50_vd_pg.yml

配置文件的参数介绍：doc/doc_ch/config.md · PaddlePaddle/PaddleOCR - Gitee.com

推理模型使用

1、PP-OCR

命令行使用参考：doc/doc_ch/quickstart.md · PaddlePaddle/PaddleOCR - Gitee.com

源码使用参考：PaddleOCR/quickstart.md at static · PaddlePaddle/PaddleOCR · GitHub

git clone https://github.com/PaddlePaddle/PaddleOCR.git

新建inference文件夹，将下载的推理模型放进来并解压：

（1）测试下det推理模型的效果：

python tools/infer/predict_det.py --image_dir doc/imgs/00111002.jpg --det_model_dir inference/ch_ppocr_server_v2.0_det_infer

结果存储在inference_results下：det_res_00111002.jpg和det_results.txt

 （2）测试下cls推理模型的效果：

python tools/infer/predict_cls.py --image_dir doc/imgs_words/ch/word_4.jpg --cls_model_dir inference/ch_ppocr_mobile_v2.0_cls_infer

 结果：Predicts of doc/imgs_words/ch/word_4.jpg:['0', 0.9999982]

第一个是角度，第二个是置信度

（3）测试下rec推理模型的效果：

python tools/infer/predict_rec.py --image_dir doc/imgs_words/ch/word_4.jpg --rec_model_dir inference/ch_ppocr_server_v2.0_rec_infer

 ppocr INFO: Predicts of doc/imgs_words/ch/word_4.jpg:('交自活具', 0.2635100483894348)

第一个是文字结果，第二个是置信度

（4）综合起来

python tools/infer/predict_system.py  --image_dir doc/imgs/00111002.jpg \
                                      --det_model_dir inference/ch_ppocr_server_v2.0_det_infer/ \
                                      --rec_model_dir inference/ch_ppocr_server_v2.0_rec_infer/ \
                                      --cls_model_dir inference/ch_ppocr_mobile_v2.0_cls_infer/ \
                                      --use_angle_cls True \
                                      --use_space_char True

结果存储在inference_results下：00111002.jpg和system_results.txt

 2、PGNet

# 预测image_dir指定的单张图像
python3 tools/infer/predict_e2e.py --e2e_algorithm="PGNet" --image_dir="./doc/imgs_en/img623.jpg" --e2e_model_dir="./inference/e2e_server_pgnetA_infer/" --e2e_pgnet_valid_set="totaltext"
 
# 预测image_dir指定的图像集合
python3 tools/infer/predict_e2e.py --e2e_algorithm="PGNet" --image_dir="./doc/imgs_en/" --e2e_model_dir="./inference/e2e_server_pgnetA_infer/" --e2e_pgnet_valid_set="totaltext"
 
# 如果想使用CPU进行预测，需设置use_gpu参数为False
python3 tools/infer/predict_e2e.py --e2e_algorithm="PGNet" --image_dir="./doc/imgs_en/img623.jpg" --e2e_model_dir="./inference/e2e_server_pgnetA_infer/" --e2e_pgnet_valid_set="totaltext" --use_gpu=False