mirror of
https://github.com/PaddlePaddle/PaddleOCR.git
synced 2025-07-28 19:29:29 +00:00
476 lines
21 KiB
Markdown
476 lines
21 KiB
Markdown
# OCR 端侧部署 demo 使用指南
|
||
|
||
- [快速开始](#快速开始)
|
||
- [环境准备](#环境准备)
|
||
- [部署步骤](#部署步骤)
|
||
- [代码介绍](#代码介绍)
|
||
- [工程详解](#工程详解)
|
||
- [进阶使用](#进阶使用)
|
||
- [更新预测库](#更新预测库)
|
||
- [转换 nb 模型](#转换-nb-模型)
|
||
- [更新模型、标签文件和预测图片](#更新模型标签文件和预测图片)
|
||
- [更新模型](#更新模型)
|
||
- [更新标签文件](#更新标签文件)
|
||
- [更新预测图片](#更新预测图片)
|
||
- [更新输入/输出预处理](#更新输入输出预处理)
|
||
|
||
本指南主要介绍 PaddleX 端侧部署——OCR文字识别 demo 在 Android shell 上的运行方法。
|
||
|
||
本指南适配了以下 OCR 模型：
|
||
|
||
- PP-OCRv3_mobile（cpu）
|
||
- PP-OCRv4_mobile（cpu）
|
||
- PP-OCRv5_mobile（cpu）
|
||
|
||
## 快速开始
|
||
|
||
### 环境准备
|
||
|
||
1. 在本地环境安装好 CMAKE 编译工具，并在 [Android NDK 官网](https://developer.android.google.cn/ndk/downloads)下载当前系统的某个版本的 NDK 软件包。例如，在 Mac 上开发，需要在 Android NDK 官网下载 Mac 平台的 NDK 软件包
|
||
|
||
**环境要求**
|
||
|
||
- `CMake >= 3.10`（最低版本未经验证，推荐 3.20 及以上）
|
||
- `Android NDK >= r17c`（最低版本未经验证，推荐 r20b 及以上）
|
||
|
||
**本指南所使用的测试环境：**
|
||
|
||
- `cmake == 3.20.0`
|
||
- `android-ndk == r20b`
|
||
|
||
2. 准备一部 Android 手机，并开启 USB 调试模式。开启方法: `手机设置 -> 查找开发者选项 -> 打开开发者选项和 USB 调试模式`
|
||
|
||
3. 电脑上安装 ADB 工具，用于调试。ADB 安装方式如下：
|
||
|
||
3.1. Mac 电脑安装 ADB:
|
||
|
||
```shell
|
||
brew cask install android-platform-tools
|
||
```
|
||
|
||
3.2. Linux 安装 ADB
|
||
|
||
```shell
|
||
sudo apt update
|
||
sudo apt install -y wget adb
|
||
```
|
||
|
||
3.3. Windows 安装 ADB
|
||
|
||
win 上安装需要去谷歌的安卓平台下载 ADB 软件包进行安装：[链接](https://developer.android.com/studio)
|
||
|
||
打开终端，手机连接电脑，在终端中输入
|
||
|
||
```shell
|
||
adb devices
|
||
```
|
||
|
||
如果有 device 输出，则表示安装成功。
|
||
|
||
```shell
|
||
List of devices attached
|
||
744be294 device
|
||
```
|
||
|
||
### 物料准备
|
||
|
||
1. 克隆 `Paddle-Lite-Demo` 仓库的 `feature/paddle-x` 分支到 `PaddleX-Lite-Deploy` 目录。
|
||
|
||
```shell
|
||
git clone -b feature/paddle-x https://github.com/PaddlePaddle/Paddle-Lite-Demo.git PaddleX-Lite-Deploy
|
||
```
|
||
|
||
2. 填写 [问卷](https://paddle.wjx.cn/vm/eaaBo0H.aspx#) 下载压缩包，将压缩包放到指定解压目录，切换到指定解压目录后执行解压命令。
|
||
|
||
```shell
|
||
# 1. 切换到指定解压目录
|
||
cd PaddleX-Lite-Deploy/ocr/android/shell/ppocr_demo
|
||
|
||
# 2. 执行解压命令
|
||
unzip ocr.zip
|
||
```
|
||
|
||
### 部署步骤
|
||
|
||
1. 将工作目录切换到 `PaddleX-Lite-Deploy/libs` 目录，运行 `download.sh` 脚本，下载需要的 Paddle Lite 预测库。此步骤只需执行一次，即可支持每个 demo 使用。
|
||
|
||
2. 将工作目录切换到 `PaddleX-Lite-Deploy/ocr/assets` 目录，运行 `download.sh` 脚本，下载 [paddle_lite_opt 工具](https://www.paddlepaddle.org.cn/lite/v2.10/user_guides/model_optimize_tool.html) 优化后的 nb 模型文件及预测图片、字典文件等物料。
|
||
|
||
3. 将工作目录切换到 `PaddleX-Lite-Deploy/ocr/android/shell/cxx/ppocr_demo` 目录，运行 `build.sh` 脚本，完成可执行文件的编译。
|
||
|
||
4. 将工作目录切换到 `PaddleX-Lite-Deploy/ocr/android/shell/cxx/ppocr_demo`，运行 `run.sh` 脚本，完成在端侧的预测。
|
||
|
||
**注意事项：**
|
||
|
||
- 在运行 `build.sh` 脚本前，需要更改 `NDK_ROOT` 指定的路径为实际安装的 NDK 路径。
|
||
- 在 Windows 系统上可以使用 Git Bash 执行部署步骤。
|
||
- 若在 Windows 系统上编译，需要将 `CMakeLists.txt` 中的 `CMAKE_SYSTEM_NAME` 设置为 `windows`。
|
||
- 若在 Mac 系统上编译，需要将 `CMakeLists.txt` 中的 `CMAKE_SYSTEM_NAME` 设置为 `darwin`。
|
||
- 在运行 `run.sh` 脚本时需保持 ADB 连接。
|
||
- `download.sh` 和 `run.sh` 支持传入参数来指定模型，若不指定则默认使用 `PP-OCRv5_mobile` 模型。目前适配了以下模型：
|
||
- `PP-OCRv3_mobile`
|
||
- `PP-OCRv4_mobile`
|
||
- `PP-OCRv5_mobile`
|
||
|
||
以下为实际操作时的示例：
|
||
|
||
```shell
|
||
# 1. 下载需要的 Paddle Lite 预测库
|
||
cd PaddleX-Lite-Deploy/libs
|
||
sh download.sh
|
||
|
||
# 2. 下载 paddle_lite_opt 工具优化后的 nb 模型文件及预测图片、字典文件等物料
|
||
cd ../ocr/assets
|
||
sh download.sh PP-OCRv5_mobile
|
||
|
||
# 3. 完成可执行文件的编译
|
||
cd ../android/shell/ppocr_demo
|
||
sh build.sh
|
||
|
||
# 4. 预测
|
||
sh run.sh PP-OCRv5_mobile
|
||
```
|
||
|
||
运行结果如下所示：
|
||
|
||
```text
|
||
The detection visualized image saved in ./test_img_result.jpg
|
||
0 纯臻营养护发素 0.998541
|
||
1 产品信息/参数 0.999094
|
||
2 (45元/每公斤，100公斤起订） 0.948841
|
||
3 每瓶22元，1000瓶起订) 0.961245
|
||
4 【品牌】：代加工方式/OEMODM 0.970401
|
||
5 【品名】：纯臻营养护发素 0.977496
|
||
6 ODMOEM 0.955396
|
||
7 【产品编号】：YM-X-3011 0.977864
|
||
8 【净含量】：220ml 0.970538
|
||
9 【适用人群】：适合所有肤质 0.995907
|
||
10 【主要成分】：鲸蜡硬脂醇、燕麦β-葡聚 0.975813
|
||
11 糖、椰油酰胺丙基甜菜碱、泛醌 0.964397
|
||
12 （成品包材） 0.97298
|
||
13 【主要功能】：可紧致头发磷层，从而达到 0.989097
|
||
14 即时持久改善头发光泽的效果，给干燥的头 0.990088
|
||
15 发足够的滋养 0.998037
|
||
```
|
||
|
||
|
||
|
||
## 代码介绍
|
||
|
||
```
|
||
.
|
||
├── ...
|
||
├── ocr
|
||
│ ├── ...
|
||
│ ├── android
|
||
│ │ ├── ...
|
||
│ │ └── shell
|
||
│ │ └── ppocr_demo
|
||
│ │ ├── src # 存放预测代码
|
||
│ │ | ├── cls_process.cc # 方向分类器的推理全流程，包含预处理、预测和后处理三部分
|
||
│ │ | ├── rec_process.cc # 识别模型 CRNN 的推理全流程，包含预处理、预测和后处理三部分
|
||
│ │ | ├── det_process.cc # 检测模型 CRNN 的推理全流程，包含预处理、预测和后处理三部分
|
||
│ │ | ├── det_post_process.cc # 检测模型 DB 的后处理文件
|
||
│ │ | ├── pipeline.cc # OCR 文字识别 demo 推理全流程代码
|
||
│ │ | └── MakeFile # 预测代码的 MakeFile 文件
|
||
│ │ |
|
||
│ │ ├── CMakeLists.txt # CMake 文件，约束可执行文件的编译方法
|
||
│ │ ├── README.md
|
||
│ │ ├── build.sh # 用于可执行文件的编译
|
||
│ │ └── run.sh # 用于预测
|
||
│ └── assets # 存放模型、测试图片、标签文件、config 文件
|
||
│ ├── images # 存放测试图片
|
||
│ ├── labels # 存放字典文件，更多详情可参考下文备注
|
||
│ ├── models # 存放 nb 模型
|
||
│ ├── config.txt
|
||
│ └── download.sh # 下载脚本，用于下载 paddle_lite_opt 工具优化后的模型
|
||
└── libs # 存放不同端的预测库和 OpenCV 库。
|
||
├── ...
|
||
└── download.sh # 下载脚本，用于下载 Paddle Lite 预测库和 OpenCV 库
|
||
```
|
||
|
||
**备注：**
|
||
|
||
- `PaddleX-Lite-Deploy/ocr/assets/labels/` 目录下存放了 PP-OCRv3、PP-OCRv4 模型的字典文件 `ppocr_keys_v1.txt` 以及 PP-OCRv5 模型的字典文件 `ppocr_keys_ocrv5.txt`。在实际推理过程中，会根据模型名称自动选择相应的字典文件，因此无需手动干预。
|
||
- 如果使用的 nb 模型是英文数字或其他语言的模型，需要更换为对应语言的字典。PaddleOCR 仓库提供了[部分字典文件](https://github.com/PaddlePaddle/PaddleOCR/tree/release/2.3/ppocr/utils)。
|
||
|
||
```shell
|
||
# run.sh 脚本中可执行文件的参数含义：
|
||
adb shell "cd ${ppocr_demo_path} \
|
||
&& chmod +x ./ppocr_demo \
|
||
&& export LD_LIBRARY_PATH=${ppocr_demo_path}:${LD_LIBRARY_PATH} \
|
||
&& ./ppocr_demo \
|
||
\"./models/${MODEL_NAME}_det.nb\" \
|
||
\"./models/${MODEL_NAME}_rec.nb\" \
|
||
./models/${CLS_MODEL_FILE} \
|
||
./images/test.jpg \
|
||
./test_img_result.jpg \
|
||
./labels/${LABEL_FILE} \
|
||
./config.txt"
|
||
|
||
第一个参数：ppocr_demo 可执行文件
|
||
第二个参数：./models/${MODEL_NAME}_det.nb 检测模型的.nb文件
|
||
第三个参数：./models/${MODEL_NAME}_rec.nb 识别模型的.nb文件
|
||
第四个参数：./models/${CLS_MODEL_FILE} 文本行方向分类模型的.nb文件，默认根据模型名自动选择
|
||
第五个参数：./images/test.jpg 测试图片
|
||
第六个参数：./test_img_result.jpg 结果保存文件
|
||
第七个参数：./labels/${LABEL_FILE} label 文件，默认根据模型名自动选择
|
||
第八个参数：./config.txt 配置文件，模型的超参数配置文件，包含了检测器、分类器的超参数
|
||
```
|
||
|
||
```shell
|
||
# config.txt 具体参数 List：
|
||
max_side_len 960 # 输入图像长宽大于 960 时，等比例缩放图像，使得图像最长边为 960
|
||
det_db_thresh 0.3 # 用于过滤 DB 预测的二值化图像，设置为 0.3 对结果影响不明显
|
||
det_db_box_thresh 0.5 # DB 后处理过滤 box 的阈值，如果检测存在漏框情况，可酌情减小
|
||
det_db_unclip_ratio 1.6 # 表示文本框的紧致程度，越小则文本框更靠近文本
|
||
use_direction_classify 0 # 是否使用方向分类器，0 表示不使用，1 表示使用
|
||
```
|
||
|
||
## 工程详解
|
||
|
||
OCR 文字识别 demo 由三个模型一起完成 OCR 文字识别功能，对输入图片先通过 `${MODEL_NAME}_det.nb` 模型做检测处理，然后通过 `ch_ppocr_mobile_v2.0_cls_slim_opt.nb` 模型做文字方向分类处理，最后通过 `${MODEL_NAME}_rec.nb` 模型完成文字识别处理。
|
||
|
||
1. `pipeline.cc` : OCR 文字识别 demo 预测全流程代码
|
||
该文件完成了三个模型串行推理的全流程控制处理，包含整个处理过程的调度处理。
|
||
|
||
- `Pipeline::Pipeline(...)` 方法完成调用三个模型类构造函数，完成模型加载和线程数、绑核处理及 predictor 创建处理
|
||
- `Pipeline::Process(...)` 方法用于完成这三个模型串行推理的全流程控制处理
|
||
|
||
2. `cls_process.cc` 方向分类器的预测文件
|
||
该文件完成了方向分类器的预处理、预测和后处理过程
|
||
|
||
- `ClsPredictor::ClsPredictor()` 方法用于完成模型加载和线程数、绑核处理及 predictor 创建处理
|
||
- `ClsPredictor::Preprocess()` 方法用于模型的预处理
|
||
- `ClsPredictor::Postprocess()` 方法用于模型的后处理
|
||
|
||
3. `rec_process.cc` 识别模型 CRNN 的预测文件
|
||
该文件完成了识别模型 CRNN 的预处理、预测和后处理过程
|
||
|
||
- `RecPredictor::RecPredictor()` 方法用于完成模型加载和线程数、绑核处理及 predictor 创建处理
|
||
- `RecPredictor::Preprocess()` 方法用于模型的预处理
|
||
- `RecPredictor::Postprocess()` 方法用于模型的后处理
|
||
|
||
4. `det_process.cc` 检测模型 DB 的预测文件
|
||
该文件完成了检测模型 DB 的预处理、预测和后处理过程
|
||
|
||
- `DetPredictor::DetPredictor()` 方法用于完成模型加载和线程数、绑核处理及 predictor 创建处理
|
||
- `DetPredictor::Preprocess()` 方法用于模型的预处理
|
||
- `DetPredictor::Postprocess()` 方法用于模型的后处理
|
||
|
||
5. `db_post_process` 检测模型 DB 的后处理函数，包含 clipper 库的调用
|
||
该文件完成了检测模型 DB 的第三方库调用和其他后处理方法实现
|
||
|
||
- `std::vector<std::vector<std::vector<int>>> BoxesFromBitmap(...)` 方法从 Bitmap 图中获取检测框
|
||
- `std::vector<std::vector<std::vector<int>>> FilterTagDetRes(...)` 方法根据识别结果获取目标框位置
|
||
|
||
## 进阶使用
|
||
|
||
如果快速开始部分无法满足你的需求，可以参考本节对 demo 进行自定义修改。
|
||
|
||
本节主要包含四部分：
|
||
|
||
- 更新预测库；
|
||
- 转换 `.nb` 模型；
|
||
- 更新模型、标签文件和预测图片；
|
||
- 更新输入/输出预处理。
|
||
|
||
### 更新预测库
|
||
|
||
本指南所使用的预测库为最新版本（214rc），不推荐自行更新预测库。
|
||
|
||
若有使用其他版本的需求，可参考如下步骤更新预测库：
|
||
|
||
* Paddle Lite 项目：https://github.com/PaddlePaddle/Paddle-Lite
|
||
* 参考 [Paddle Lite 源码编译文档](https://www.paddlepaddle.org.cn/lite/develop/source_compile/compile_env.html)，编译 Android 预测库
|
||
* 编译最终产物位于 `build.lite.xxx.xxx.xxx` 下的 `inference_lite_lib.xxx.xxx`
|
||
* 替换 c++ 库
|
||
* 头文件
|
||
将生成的 `build.lite.android.xxx.gcc/inference_lite_lib.android.xxx/cxx/include` 文件夹替换 demo 中的 `PaddleX-Lite-Deploy/libs/android/cxx/include`
|
||
* armeabi-v7a
|
||
将生成的 `build.lite.android.armv7.gcc/inference_lite_lib.android.armv7/cxx/libs/libpaddle_lite_api_shared.so` 库替换 demo 中的 `PaddleX-Lite-Deploy/libs/android/cxx/libs/armeabi-v7a/libpaddle_lite_api_shared.so`
|
||
* arm64-v8a
|
||
将生成的 `build.lite.android.armv8.gcc/inference_lite_lib.android.armv8/cxx/libs/libpaddle_lite_api_shared.so` 库替换 demo 中的 `PaddleX-Lite-Deploy/libs/android/cxx/libs/arm64-v8a/libpaddle_lite_api_shared.so`
|
||
|
||
### 转换 .nb 模型
|
||
|
||
若想使用自己训练的模型，可先参考以下流程得到 `.nb` 模型。
|
||
|
||
#### 终端命令方法（支持Mac/Ubuntu）
|
||
|
||
1. 进入Paddle-Lite Github仓库的[release界面](https://github.com/PaddlePaddle/Paddle-Lite/releases)，选择所需版本下载对应的转化工具opt（推荐使用最新版本）。
|
||
|
||
2. 下载 opt 工具后，执行以下命令（此处以 2.14rc 版本的 linux_x86 opt 工具转换 PP-OCRv5_mobile_det 模型为例）：
|
||
|
||
```bash
|
||
./opt_linux_x86 \
|
||
--model_file=PP-OCRv5_mobile_det/inference.pdmodel \
|
||
--param_file=PP-OCRv5_mobile_det/inference.pdiparams \
|
||
--optimize_out=PP-OCRv5_mobile_det \
|
||
--valid_targets=arm
|
||
```
|
||
|
||
有关使用终端命令方法转换 `.nb` 模型的详细介绍，可参考 Paddle-Lite 仓库的[使用可执行文件 opt](https://www.paddlepaddle.org.cn/lite/v2.12/user_guides/opt/opt_bin.html)。
|
||
|
||
#### python 脚本方法（支持Windows/Mac/Ubuntu）
|
||
|
||
1. 安装最新版本的 paddlelite wheel 包。
|
||
|
||
```bash
|
||
pip install --pre paddlelite
|
||
```
|
||
|
||
2. 使用 python 脚本进行模型转换。以下为转换 PP-OCRv5_mobile_det 模型的示例代码：
|
||
|
||
```python
|
||
from paddlelite.lite import Opt
|
||
|
||
# 1. 创建opt实例
|
||
opt = Opt()
|
||
# 2. 指定输入模型地址
|
||
opt.set_model_file("./PP-OCRv5_mobile_det/inference.pdmodel")
|
||
opt.set_param_file("./PP-OCRv5_mobile_det/inference.pdiparams")
|
||
# 3. 指定转化类型
|
||
opt.set_valid_places("arm")
|
||
# 4. 指定输出模型地址
|
||
opt.set_optimize_out("./PP-OCRv5_mobile_det")
|
||
# 5. 执行模型优化
|
||
opt.run()
|
||
```
|
||
|
||
有关使用 python 脚本方法转换 `.nb` 模型的详细介绍，可参考 Paddle-Lite 仓库的[使用 Python 脚本 opt](https://www.paddlepaddle.org.cn/lite/v2.12/api_reference/python_api/opt.html)。
|
||
|
||
**注意**
|
||
|
||
- 有关模型优化工具 opt 的详细介绍，可参考 Paddle-Lite 仓库的[模型优化工具 opt](https://www.paddlepaddle.org.cn/lite/v2.12/user_guides/model_optimize_tool.html)
|
||
- 目前仅支持将 `.pdmodel` 格式的静态图模型转换为 `.nb` 格式。
|
||
|
||
### 更新模型、标签文件和预测图片
|
||
|
||
#### 更新模型
|
||
|
||
本指南只对 `PP-OCRv3_mobile`、`PP-OCRv4_mobile`、`PP-OCRv5_mobile` 模型进行了验证，其他模型不保证适用性。
|
||
|
||
如果你对 `PP-OCRv5_mobile` 模型进行了微调，并生成了一个名为 `PP-OCRv5_mobile_ft` 的新模型，可以按照以下步骤将原有模型替换为你的微调模型：
|
||
|
||
1. 将 `PP-OCRv5_mobile_ft` 的 nb 模型存放到目录 `PaddleX-Lite-Deploy/ocr/assets/models/` 下，最终得到的文件结构如下：
|
||
|
||
```text
|
||
.
|
||
├── ocr
|
||
│ ├── ...
|
||
│ └── assets
|
||
│ ├── models
|
||
│ │ ├── ...
|
||
│ │ ├── PP-OCRv5_mobile_ft_det.nb
|
||
│ │ └── PP-OCRv5_mobile_ft_rec.nb
|
||
│ └── ...
|
||
└── ...
|
||
```
|
||
|
||
2. 将模型名加入到 `run.sh` 脚本中的 `MODEL_LIST`。
|
||
|
||
```shell
|
||
MODEL_LIST="PP-OCRv3_mobile PP-OCRv4_mobile PP-OCRv5_mobile PP-OCRv5_mobile_ft" # 模型之间以单个空格为间隔
|
||
```
|
||
|
||
3. 运行 `run.sh` 脚本时使用模型目录名。
|
||
|
||
```shell
|
||
sh run.sh PP-OCRv5_mobile_ft
|
||
```
|
||
|
||
**注意：**
|
||
|
||
- 如果更新模型中的输入 Tensor、Shape、和 Dtype 发生更新:
|
||
|
||
- 更新文字方向分类器模型，则需要更新 `ppocr_demo/src/cls_process.cc` 中 `ClsPredictor::Preprocss` 函数
|
||
- 更新检测模型，则需要更新 `ppocr_demo/src/det_process.cc` 中 `DetPredictor::Preprocss` 函数
|
||
- 更新识别器模型，则需要更新 `ppocr_demo/src/rec_process.cc` 中 `RecPredictor::Preprocss` 函数
|
||
|
||
- 如果更新模型中的输出 Tensor 和 Dtype 发生更新:
|
||
|
||
- 更新文字方向分类器模型，则需要更新 `ppocr_demo/src/cls_process.cc` 中 `ClsPredictor::Postprocss` 函数
|
||
- 更新检测模型，则需要更新 `ppocr_demo/src/det_process.cc` 中 `DetPredictor::Postprocss` 函数
|
||
- 更新识别器模型，则需要更新 `ppocr_demo/src/rec_process.cc` 中 `RecPredictor::Postprocss` 函数
|
||
|
||
#### 更新标签文件
|
||
|
||
如果需要更新标签文件，则需要将新的标签文件存放在目录 `PaddleX-Lite-Deploy/ocr/assets/labels/` 下，并参考模型更新方法更新 `PaddleX-Lite-Deploy/ocr/android/shell/ppocr_demo/run.sh` 中执行命令；
|
||
|
||
以更新 `new_labels.txt` 为例：
|
||
|
||
```shell
|
||
# 代码文件 `PaddleX-Lite-Deploy/ocr/android/shell/ppocr_demo/run.sh`
|
||
# old
|
||
adb shell "cd ${ppocr_demo_path} \
|
||
&& chmod +x ./ppocr_demo \
|
||
&& export LD_LIBRARY_PATH=${ppocr_demo_path}:${LD_LIBRARY_PATH} \
|
||
&& ./ppocr_demo \
|
||
\"./models/${MODEL_NAME}_det.nb\" \
|
||
\"./models/${MODEL_NAME}_rec.nb\" \
|
||
./models/${CLS_MODEL_FILE} \
|
||
./images/test.jpg \
|
||
./test_img_result.jpg \
|
||
./labels/${LABEL_FILE} \
|
||
./config.txt"
|
||
# update
|
||
adb shell "cd ${ppocr_demo_path} \
|
||
&& chmod +x ./ppocr_demo \
|
||
&& export LD_LIBRARY_PATH=${ppocr_demo_path}:${LD_LIBRARY_PATH} \
|
||
&& ./ppocr_demo \
|
||
\"./models/${MODEL_NAME}_det.nb\" \
|
||
\"./models/${MODEL_NAME}_rec.nb\" \
|
||
./models/${CLS_MODEL_FILE} \
|
||
./images/test.jpg \
|
||
./test_img_result.jpg \
|
||
./labels/new_labels.txt \
|
||
./config.txt"
|
||
```
|
||
|
||
#### 更新预测图片
|
||
|
||
如果需要更新预测图片，将更新的图片存放在 `PaddleX-Lite-Deploy/ocr/assets/images/` 下，更新文件 `PaddleX-Lite-Deploy/ocr/android/shell/ppocr_demo/rush.sh` 中执行命令；
|
||
|
||
以更新 `new_pics.jpg` 为例：
|
||
|
||
```shell
|
||
# 代码文件 `PaddleX-Lite-Deploy/ocr/assets/images/run.sh`
|
||
## old
|
||
adb shell "cd ${ppocr_demo_path} \
|
||
&& chmod +x ./ppocr_demo \
|
||
&& export LD_LIBRARY_PATH=${ppocr_demo_path}:${LD_LIBRARY_PATH} \
|
||
&& ./ppocr_demo \
|
||
\"./models/${MODEL_NAME}_det.nb\" \
|
||
\"./models/${MODEL_NAME}_rec.nb\" \
|
||
./models/${CLS_MODEL_FILE} \
|
||
./images/test.jpg \
|
||
./test_img_result.jpg \
|
||
./labels/${LABEL_FILE} \
|
||
./config.txt"
|
||
# update
|
||
adb shell "cd ${ppocr_demo_path} \
|
||
&& chmod +x ./ppocr_demo \
|
||
&& export LD_LIBRARY_PATH=${ppocr_demo_path}:${LD_LIBRARY_PATH} \
|
||
&& ./ppocr_demo \
|
||
\"./models/${MODEL_NAME}_det.nb\" \
|
||
\"\"./models/${MODEL_NAME}_rec.nb\"\" \
|
||
./models/${CLS_MODEL_FILE} \
|
||
./images/new_pics.jpg \
|
||
./test_img_result.jpg \
|
||
./labels/${LABEL_FILE} \
|
||
./config.txt"
|
||
```
|
||
|
||
### 更新输入/输出预处理
|
||
|
||
- 更新输入预处理
|
||
- 更新文字方向分类器模型，则需要更新 `ppocr_demo/src/cls_process.cc` 中 `ClsPredictor::Preprocss` 函数
|
||
- 更新检测模型，则需要更新 `ppocr_demo/src/det_process.cc` 中 `DetPredictor::Preprocss` 函数
|
||
- 更新识别器模型，则需要更新 `ppocr_demo/src/rec_process.cc` 中 `RecPredictor::Preprocss` 函数
|
||
|
||
- 更新输出预处理
|
||
- 更新文字方向分类器模型，则需要更新 `ppocr_demo/src/cls_process.cc` 中 `ClsPredictor::Postprocss` 函数
|
||
- 更新检测模型，则需要更新 `ppocr_demo/src/det_process.cc` 中 `DetPredictor::Postprocss` 函数
|
||
- 更新识别器模型，则需要更新 `ppocr_demo/src/rec_process.cc` 中 `RecPredictor::Postprocss` 函数
|