config.yaml源码

详情 
  Global:
    text_score: 0.5
    use_det: true
    use_cls: true
    use_rec: true
    print_verbose: false
    min_height: 30
    width_height_ratio: 8

    use_cuda: &use_cuda false

    intra_op_num_threads: &intra_nums -1
    inter_op_num_threads: &inter_nums -1

Det:
    intra_op_num_threads: *intra_nums
    inter_op_num_threads: *inter_nums

    use_cuda: *use_cuda

    model_path: models/ch_PP-OCRv4_det_infer.onnx

    limit_side_len: 736
    limit_type: min

    thresh: 0.3
    box_thresh: 0.5
    max_candidates: 1000
    unclip_ratio: 1.6
    use_dilation: true
    score_mode: fast

Cls:
    intra_op_num_threads: *intra_nums
    inter_op_num_threads: *inter_nums

    use_cuda: *use_cuda

    model_path: models/ch_ppocr_mobile_v2.0_cls_infer.onnx

    cls_image_shape: [3, 48, 192]
    cls_batch_num: 6
    cls_thresh: 0.9
    label_list: ['0', '180']

Rec:
    intra_op_num_threads: *intra_nums
    inter_op_num_threads: *inter_nums

    use_cuda: *use_cuda

    model_path: models/ch_PP-OCRv4_rec_infer.onnx

    rec_img_shape: [3, 48, 320]
    rec_batch_num: 6

Global部分

参数名称 取值范围 默认值 作用
text_score [0, 1] 0.5 文本识别结果置信度，值越大，把握越大
use_angle_cls bool true 是否使用文本行的方向分类
print_verbose bool true 是否打印各个部分耗时信息
min_height int 30 图像最小高度（单位是像素）
低于这个值，会跳过文本检测阶段，直接进行后续识别
width_height_ratio int 8 如果输入图像的宽高比大于width_height_ratio，则会跳过文本检测，直接进行后续识别
width_height_ratio=-1：不用这个参数
use_cuda bool false 是否使用CUDA，加速推理
intra_op_num_threads int -1 参见docs
inter_op_num_threads int -1 参见docs

min_height是用来过滤只有一行文本的图像（如下图），这类图像不会进入文本检测模块，直接进入后续过程。

Det部分

参数名称 取值范围 默认值 作用
use_cuda bool false 是否使用CUDA，加速推理
limit_side_len - 736 限制图像边的长度的像素值
limit_type [min, max] min 限制图像的最小边长度还是最大边为limit_side_len
示例解释：当limit_type=min和limit_side_len=736时，图像最小边小于736时，
会将图像最小边拉伸到736，另一边则按图像原始比例等比缩放。
thresh [0, 1] 0.3 图像中文字部分和背景部分分割阈值
值越大，文字部分会越小
box_thresh [0, 1] 0.5 文本检测所得框是否保留的阈值，值越大，召回率越低
max_candidates - 1000 图像中最大可检测到的文本框数目，一般够用
unclip_ratio [1.6, 2.0] 1.6 控制文本检测框的大小，值越大，检测框整体越大
use_dilation bool true 是否使用形态学中的膨胀操作，一般采用默认值即可
score_mode string fast fast是求rectangle区域的平均分数，容易造成弯曲文本漏检，slow是求polygon区域的平均分数，会更准确，但速度有所降低，可按需选择

Cls部分

参数名称 取值范围 默认值 作用
cls_img_shape - [3, 48, 192] 输入方向分类模型的图像Shape（CHW）
cls_batch_num - 6 批次推理的batch大小，一般采用默认值即可，太大并没有明显提速，效果还可能会差
cls_thresh [0, 1] 0.9 方向分类结果的置信度
label_list - [0, 180] 方向分类的标签，0°或者180°，该参数不能动

Rec部分

参数名称 取值范围 默认值 作用
rec_img_shape - [3, 48, 320] 输入文本识别模型的图像Shape（CHW）
rec_batch_num - 6 批次推理的batch大小，一般采用默认值即可，太大并没有明显提速，效果还可能会差
Edit this page

Last updated 24 Apr 2024, 09:27 +0800 . history