《PP-OCR:一个实用的超轻量级OCR系统》文献分享与相关疑问

[Sincerely12]

在《PP-OCR:一个实用的超轻量级OCR系统》这一文献中提到很重要的一个问题在于： 权衡模型的大小和性能是困难的，但是有很大是价值，在本次开发中，模型的大小和性能直接影响到后续整体效果的性能，以此在这个文章中提到了ppocr是由文本检测，检测框纠错，文本识别，并针对这三个模块提出了相应的数据增强和模型瘦身的策略，例如：

1. 文本检测：文本检测目的是定位图像中的文本区域，在PP-OCR中使用DB算法(可微分二值化)作为基于简单分割网络的文本检测器，DB的简单后处理使得其非常高效，为进一步提高其性能和效率，采用采用了轻主干、轻头部、去除SE模块、余弦学习率衰减、学习率预热、FPGM剪枝等六种策略。最后，将文本检测器的模型尺寸减小到1.4M。
2. 检测框纠错：主要是在识别检测到文本之前，需要将文本框转换为水平矩形框，便于后续进行文本识别，在此由于检测帧由四个点组成，易于通过几何变换实现。然而，整流后的盒子可能会被反转。因此，需要一个分类器来确定文本的方向。如果判定一个盒子是反的，则需要进一步翻转。训练文本方向分类器是一个简单的图像分类任务。为了增强模型能力和减小模型尺寸，我们采用了四种策略:轻主干、数据增强、输入分辨率和PACT量化。最后，文本方向分类器的模型大小为500KB。
3. 文本识别：在PPCOR中，我们使用CRNN作为文本识别器，CRNN在文本识别中广泛应用。CRNN集成了特征提取和序列建模，它采用了连接时间分类(CTC)的损失来避免预测与标签不一致，为了提高文本识别器的建模能力，减少模型尺寸，采用了轻骨干，数据增强，余弦学习率衰减，特征图分辨率，正则化参数，学习率预热，预训练模型和PACT量化九种策略，最后，文本识别器的模型大小对于中英文识别仅为1.6M，对于字母数字符号识别仅为900KB。

并由后续的实验数据，我发现在单纯使用模型，不采用这些策略其效果均不佳，上述是策略不仅可以实现缩减模型大小，还可以提高检测准确率，那我的疑问如下：

1. 现在的系统，即我们在终端调用的配置文件亦或者算法，是否是已经采用了这些策略，即我们使用是就是成熟的模型
2. 目前我还未找到其在那里使用是这些策略，这些是否需要根据实际的开发场景进行相应的一步一步的调用，再次训练。

PP-OCR A Practical Ultra Lightweight OCR System.pdf

[julycd]

• 本文对我们首要的价值在于，明确了可以通过算法的调整，在模型大小、性能上做出针对性的平衡。
• 文中模型大小主要指模型的存储空间大小，实际生产环境对该指标不太敏感，对预测时间、预测所需计算资源较为敏感
• 我们可以深入学习该文中所提算法思路，以加深我们对ppocr的认识。