差别

这里会显示出您选择的修订版和当前版本之间的差别。

--- ai:端侧ai [2026/06/14 14:47] – xing
+++ ai:端侧ai [2026/06/15 02:06] (当前版本) – [PPOCR] xing
@@ 行 1: / 行 1: @@
-====== AMLNN PPOCR ======
+====== AMLNN PPOCR部署 ======
 ===== 背景 =====
+==== AMLNN ====
 AMLNN是......
-PPOCR是百度开源的一个OCR 工具链，适合端侧与服务器部署，PPOCR包含较多模型，最基本的是文本检测和文本识别模型。这里介绍的是这两个模型在AMLNN平台上的部署示例。
+==== PPOCR ====
-===== 模型转换 =====
+PPOCR是百度开源的一个OCR 工具链，同时适合端侧与服务器部署，这里介绍的是PPOCR文本检测与文本识别两个模型在AMLNN平台上的部署示例。
+==== 模型转换 ====
 深度学习模型 是一套「固定网络结构 + 训练好的权重参数」的组合。
-  * 网络结构：描述计算图、层、算子、数据流，规定做什么运算、按什么顺序算，没有具体数值
+  * 网络结构：定义计算图、网络层、算子与数据流，规定运算逻辑与执行顺序，不包含具体数值
-  * 权重参数：网络每一层的可学习数值（卷积核、偏置、全连接权重等），是模型 “学到的知识”
+  * 权重参数：网络每一层的可学习数值（卷积核、偏置、全连接权重等），是模型训练得到的特征知识
 PPOCR提供的是推理模型是飞桨推理引擎模型，包含三个文件：
@@ 行 21: / 行 26: @@
 使用PaddleX 的 Paddle2ONNX 插件可以将PPOCR飞桨模型转换为onnx模型，参考[[https://www.paddleocr.ai/main/version3.x/inference_deployment/others/obtaining_onnx_models.html|paddleocr - obtaining_onnx_models]]。
+<code python paddle2onnx.py>
+paddlex \
+    --paddle2onnx \  # 使用paddle2onnx功能
+    --paddle_model_dir /your/paddle_model/dir \  # 指定Paddle模型所在的目录
+    --onnx_model_dir /your/onnx_model/output/dir \  # 指定转换后ONNX模型的输出目录
+    --opset_version 7  # 指定要使用的 ONNX opset 版本
+</code>
 使用adlaconvter工具可以将onnx模型转换为adla模型。
-===== 前处理 =====
+===== 部署流程 =====
 <mermaid>
   graph TD
-    A(**mermaid**)-->B((__plugin__))
+    A[获取模型] --> C[**格式转换**<br/>eg: Paddle → ONNX → adla]
-    A-->C(((//for//)))
+    C --> D[开发和运行环境准备]
-    B-->D[["[[https://www.dokuwiki.org/dokuwiki|Dokuwiki]]"]]
+    D --> F[业务推理实现]
-    C-->D
+    F --> G[测试调优]
+    G --> H[上线运维]
+    subgraph F[**业务推理实现**]
+        F1[预处理<br/>缩放/归一化/量化/维度转换]
+        F2[模型推理<br/>加载模型+前向计算]
+        F3[后处理<br/>坐标还原/解码/阈值过滤]
+        F1 --> F2 --> F3
+    end
 </mermaid>
-===== 推理 =====
+===== 文本检测 =====
+==== 模型转换 ====
+通过adlaconvter工具将ppocr onnx模型转换为adla格式，最重要的转换参数包括：
+  - 输入模型
+  - 归一化参数
+  - 量化算法
+  - 量化类型
+  - 量化校准数据集，需要转换为npy格式
+==== 预处理 ====
+原始的输入是一张包含待识别文字的图片，需要做以下预处理后的数据才能用于推理
+  - 读图：BGR格式存储
+  - 缩放：图片等比缩放到960
+  - 归一化：像素值从[0, 255]映射到[0, 1]
+  - INT8量化：将[0, 1]范围的浮点值映射到[-128, 127]的整型范围
+==== 推理 ====
+推理引擎初始化、加载模型后，引擎根据模型对输入的预处理后张量调用算子，进行前向计算并输出结果，结果包含三个图：
+  * 概率图：单像素为文字区域的置信度
+  * 阈值图：给每个像素分配独立二值化阈值，优化倾斜、弯曲文本边缘
+  * 二值图：模型内部根据前两张图计算得到，用于轮廓提取
+==== 后处理 ====
+基于模型输出的特征图，依次完成**轮廓提取、阈值筛选、坐标逆变换、文本框矫正**，最终输出原图上的文本四点坐标与对应置信度。
+===== 文本识别 =====
+==== 模型转换 ====
+同检测模型流程：先将飞桨识别模型转为 ONNX，再通过 adlaConverter 转为 ADLA 格式，按需配置归一化参数、量化策略与校准数据集。
+==== 预处理 ====
+  - 裁剪图像：根据检测输出的坐标，从原图截取单行文字区域；
+  - 尺寸规整：固定图像高度，宽度等比例自适应；
+  - 归一化、维度变换、INT8 量化，匹配模型输入要求。
+==== 推理 ====
+引擎加载识别模型并执行前向计算，输出字符序列特征张量。
+==== 后处理 ====
+对特征张量做 CTC 解码、字符字典映射、去重拼接，最终输出识别文本。
+===== 总结 =====
-===== 后处理 =====
+  * 随着AI大趋势的发展，端侧AI也会被带着发展，业务会更加地多
+  * 平台上端侧AI的关键竞争力包括易用性、推理性能、安全等方面