1.把飞桨OCR推理模型转换为ONNX模型

主要有两种使用方式：

• 方法一：在线转换；

  • VisualDL - 在线的Paddle2ONNX模型转换。

  

  • 魔塔
  • huggingface

• 方法二：离线转换，pip安装工具，即可本地转换使用。

  • 借助paddle2onnx库实现
  • 借助PaddleOCRModelConverter转换

飞桨模型地址示例：

• https://paddleocr.bj.bcebos.com/PP-OCRv4/chinese/ch_PP-OCRv4_rec_infer.tar

• https://paddleocr.bj.bcebos.com/PP-OCRv4/chinese/ch_PP-OCRv4_det_infer.tar

• https://raw.githubusercontent.com/PaddlePaddle/PaddleOCR/release/2.7/ppocr/utils/ppocr_keys_v1.txt

2.ONNX模型的pre-process和post-process

python版入口代码：https://github.com/PaddlePaddle/Paddle2ONNX/blob/develop/model_zoo/ocr/infer.py

python文本检测：https://github.com/PaddlePaddle/Paddle2ONNX/blob/develop/model_zoo/ocr/utils/predict_det.py

python文本识别：https://github.com/PaddlePaddle/Paddle2ONNX/blob/develop/model_zoo/ocr/utils/predict_rec.py

java版本：https://github.com/mymagicpower/AIAS/tree/main/1_image_sdks/ocr_v4_sdk

下面是一些DJL中的pre-post的pipeline可以借鉴

NDArray array = image.toNDArray(manager);
Pipeline pipeline = new Pipeline();
pipeline.add(new CenterCrop());
pipeline.add(new Resize(224, 224));
pipeline.add(new ToTensor());
NDList list = pipeline.transform(new NDList(array));

线程配置

您可以在 Criteria 中使用以下设置进行线程优化

Criteria.builder()
    .optOption("interOpNumThreads", <num_of_thread>)
    .optOption("intraOpNumThreads", <num_of_thread>)
    ...

提示：一开始将两者都设置为1以查看性能。然后，将其中之一设置为total_cores/total_java_inference_thread以查看性能如何。

3.推理

方式一 RapidOCR

将PaddleOCR中的模型转换为ONNX格式，使用Python/C++/Java/C# 将它移植到各个平台。

Github: https://github.com/RapidAI/RapidOCR

Java版本：https://github.com/MyMonsterCat/RapidOcr-Java

在线demo: https://www.modelscope.cn/studios/liekkas/RapidOCRDemo/summary

方式二 DJL

直接看这个repo:https://github.com/mymagicpower/AIAS/tree/main/1_image_sdks/ocr_v4_sdk