问道录

本页面只读。您可以查看源文件，但不能更改它。如果您觉得这是系统错误，请联系管理员。
====== AMLNN PPOCR部署 ======

===== 背景 =====

==== AMLNN ====

AMLNN是......

==== PPOCR ====

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：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：

  * 权重文件
  * 模型结构文件
  * 推理配置文件

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。

===== 部署流程 =====

<mermaid>
  graph TD
    A[获取模型] --> C[**格式转换**<br/>eg: Paddle → ONNX → adla]
    C --> D[开发和运行环境准备]
    D --> F[业务推理实现]
    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>

===== 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 =====

  * 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