RapidOCR调优尝试教程

news2025/1/20 16:26:40

引言

由于小伙伴们使用OCR的场景多种多样，单一的参数配置往往不能满足要求，这就涉及到基于现有模型，通过调节参数来达到正确识别的目的。
基本的原则是尽量不去动模型内部，降低使用成本。
本篇文章就来说说在识别效果不好时，如何去调优。
因此博客为一家之言，难免会挂一漏万，希望小伙伴多多指出，共同维护这份教程。
✨以下尝试情况，均已经在在线demo中实现，看完之后，可移步那里去尝试。

常见错例种类

本地使用过程中，识别结果：

个别字丢失
个别字识别错误

个别字丢失调优篇

查看图像是否shape太小，导致文本检测丢失。

对于长度较长，高度较小的图像，可尝试对该图像高度做上下补充，来减小文字在原始图像中比例，利于文本检测。类似下图这种，左侧一条为原始图像，右侧为上下补边的图像。
padding代码参考：

from typing import Tuple

import cv2
import numpy as np


def padding_img(img: np.ndarray,
                padding_value: Tuple[int, int, int, int],
                padding_color: Tuple = (0, 0, 0)) -> np.ndarray:
    padded_img = cv2.copyMakeBorder(img,
                                    padding_value[0],
                                    padding_value[1],
                                    padding_value[2],
                                    padding_value[3],
                                    cv2.BORDER_CONSTANT,
                                    value=padding_color)
    return padded_img

img = cv2.imread('xxx.jpg')

# padding_value: (top, bottom, left, right)
# 对该图像上下各补充10像素的白边
padded_img = padding_img(img, (10, 10, 0, 0), (255, 255, 255))

将padding之后的图像再次送入RapidOCR中尝试，查看是否仍然出现上述问题。

将该图像上传到在线demo中，查看能否复现问题？
- 如不能复现，着重比对环境是否与在线demo中相关包使用版本不一致情况？
- 在线demo所用的各个包版本情况：
```
Python: 3.8
onnxruntime: 1.14.1
rapidocr_onnxruntime: 1.2.5
```
如能复现，尝试调节在线demo中的三个参数，注意控制变量调节参数
1. 首先调节box_thresh参数，该参数用来控制文本检测部分检测所得框是文本的概率。个别字丢失，一般是单独的字丢失，很大可能是文本检测模型没有检测到该独立的文字。尝试调低box_thresh值，查看是否可以检出丢失的文字。（没有找到合适的例子）
2. 固定box_thresh，调节text_score参数。该参数是控制识别文本结果正确的概率。尝试调低text_score值，查看是否可以识别出丢失的文字。
3. 固定box_thresh和text_score两个参数，调节unclip_ratio参数。该参数用来控制文本检测所得文本框的大小。尝试调大unclip_ratio值，查看是否可以识别出丢失的文字。
如果调节三个参数也不能解决问题，只能尝试server版的文本检测和文本识别模型了。
1. 首先更换server版的文本检测模型，查看是否解决问题
2. 在第1步基础上，更换server版的文本识别模型，查看是否解决问题
尝试更换不同版本模型，来查看效果。具体可在在线demo中尝试