问道录

人生到处知何似应似飞鸿踏雪泥

您的足迹:

ai:端侧ai

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。

到此差别页面的链接

--- ai:端侧ai [2026/06/15 01:59] – xing
+++ ai:端侧ai [2026/06/15 02:06] (当前版本) – [PPOCR] xing
@@ 行 9: / 行 9: @@
 ==== PPOCR ====
-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 ====
@@ 行 15: / 行 16: @@
 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 72: / 行 73: @@
   - 读图：BGR格式存储
   - 缩放：图片等比缩放到960
-  - 归一化：减去均值，除以方差，把像素值从[0, 255]转换为[0, 1]
+  - 归一化：像素值从[0, 255]映射到[0, 1]
-  - 量化：将[0, 1]范围的浮点值量化到[-128, 127]的int8的量化值域里
+  - INT8量化：将[0, 1]范围的浮点值映射到[-128, 127]的整型范围
 ==== 推理 ====
@@ 行 79: / 行 80: @@
 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：像素为文字区域的置信度
+  * 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，优化文字边缘、弯曲文本
+  * 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 =====

/app/www/public/data/attic/ai/端侧ai.1781467152.txt.gz · 最后更改: 2026/06/15 01:59 由 xing