PaddleOCR 印章文本检测模块实战模型选型、Python/CLI 推理与二次开发全指南【免费下载链接】PaddleOCRTurn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100 languages.项目地址: https://gitcode.com/GitHub_Trending/pa/PaddleOCR印章文本检测Seal Text Detection是 PaddleOCR 文档智能处理链路中的关键子任务负责在合同、发票、出入库单据等图像中定位并标记出印章上的文字区域。本指南以docs/version3.x/module_usage/seal_text_detection.md为骨架结合仓库内paddleocr/_models/seal_text_detection.py源码与configs/det/PP-OCRv4/下的真实配置系统讲解印章文本检测模块的模型选型、一行命令快速体验、Python API 参数全解、结果处理方式以及从数据集准备到训练、评估、导出的完整二次开发流程。一、模块定位与工作方式印章文本检测模块的输出是文本区域的多点边界框Bounding Boxes即多边形顶点序列。这些边界框并不会直接输出文字内容而是作为输入传递给弯曲矫正与文本识别模块进行后续处理最终得到印章上的文字内容。因此从源码结构看SealTextDetection是一个纯粹的检测det模型包装器它继承了文本检测的通用实现而非识别实现。印章文本识别在文档处理中应用广泛典型场景包括合同比对提取合同骑缝章、公章区域的文字用于一致性核验出入库审核识别单据上加盖的审核章文字用于流程留痕发票报销审核核验发票上的发票章、财务章文字辅助财务自动化。从实现层面看模块性能直接决定整个印章 OCR 系统的准确率与吞吐因此在部署前需要针对精度与速度做好模型选型见下一节。在仓库中该模块的实现位于 paddleocr/_models/seal_text_detection.py其类定义如下class SealTextDetection(TextDetectionMixin, PaddleXPredictorWrapper): property def default_model_name(self): return PP-OCRv4_mobile_seal_det可以看到SealTextDetection继承自TextDetectionMixin提供limit_side_len、thresh、box_thresh、unclip_ratio、input_shape等检测专属参数透传与PaddleXPredictorWrapper负责通过 PaddleX 的create_predictor创建推理器并通过 paddleocr/_models/init.py 导出为公共 API。二、支持模型列表与性能对比下表为印章文本检测模块当前支持的两个官方模型数据来源于原文档推理耗时仅包含模型推理耗时不包含前后处理模型模型下载链接检测 Hmean%GPU 推理耗时ms[常规模式 / 高性能模式]CPU 推理耗时ms[常规模式 / 高性能模式]模型存储大小MB介绍PP-OCRv4_server_seal_det推理模型 / 训练模型98.40124.64 / 91.57545.68 / 439.86109PP-OCRv4 的服务端印章文本检测模型精度更高适合在较好的服务器上部署PP-OCRv4_mobile_seal_det推理模型 / 训练模型96.369.70 / 3.5650.38 / 19.644.7PP-OCRv4 的移动端印章文本检测模型效率更高适合在端侧部署2.1 测试环境说明测试数据集自建内部数据集包含 500 张圆形印章图像。硬件配置GPU 为 NVIDIA Tesla T4CPU 为 Intel Xeon Gold 6271C 2.60GHz。软件环境Ubuntu 20.04 / CUDA 11.8 / cuDNN 8.9 / TensorRT 8.6.1.6paddlepaddle-gpu 3.0.0 / paddleocr 3.0.3。2.2 常规模式与高性能模式模式GPU 配置CPU 配置加速技术组合常规模式FP32 精度 / 无 TRT 加速FP32 精度 / 8 线程PaddleInference高性能模式选择先验精度类型和加速策略的最优组合FP32 精度 / 8 线程选择先验最优后端Paddle/OpenVINO/TRT 等结合两份模型配置文件可以更清晰地理解两个模型的架构差异服务端模型configs/det/PP-OCRv4/PP-OCRv4_server_seal_det.ymlBackbone 为PPHGNet_smallNeck 为LKPANout_channels256Head 为PFHeadLocalk50modelarge移动端模型configs/det/PP-OCRv4/PP-OCRv4_mobile_seal_det.ymlBackbone 为PPLCNetV3scale0.75Neck 为RSEFPNout_channels96Head 为DBHeadk50。两者都采用 DBDifferentiable Binarization检测算法Architecture.algorithm: DB训练时输入尺寸均为[3, 640, 640]Global.d2s_train_image_shape后处理均为DBPostProcessthresh: 0.2、box_thresh: 0.6、unclip_ratio: 0.5、box_type: poly。模型存储大小与推理耗时的差距主要来自骨干网络与 Neck 的规模差异。选型建议追求端到端高精度、部署在服务器上时选PP-OCRv4_server_seal_det追求低延迟、需要部署在移动端或边缘设备时选PP-OCRv4_mobile_seal_det。若未显式指定model_name模块默认加载移动端模型与源码中default_model_name属性一致。三、快速开始3.1 环境准备在快速开始前请先安装 PaddleOCR 的 wheel 包详细请参考 安装教程。上述示例默认使用paddle_static推理引擎请先按照 飞桨框架安装 完成 PaddlePaddle 安装。注意PaddleOCR 官方模型默认从 HuggingFace 获取如运行环境访问 HuggingFace 不便可通过环境变量修改模型源为 BOSexport PADDLE_PDX_MODEL_SOURCEBOS未来将支持更多主流模型源。3.2 一行命令 CLI 推理使用一行命令即可快速体验paddleocr seal_text_detection -i https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/seal_text_det.png从 CLI 注册逻辑看见 paddleocr/_cli.py 中_register_models的注册列表seal_text_detection是SealTextDetectionSubcommandExecutor注册的子命令subparser_name seal_text_detection。该子命令除通用参数--model_name、--model_dir、--device、--engine等外还额外支持文本检测专属参数--limit_side_len、--limit_type、--thresh、--box_thresh、--unclip_ratio、--input_shape见 paddleocr/_models/_text_detection.py 中TextDetectionSubcommandExecutorMixin._add_text_detection_args方便在命令行直接调参。3.3 Python API 推理您也可以将印章文本检测的模块推理集成到自己的项目中。运行以下代码前请先将示例图片下载到本地from paddleocr import SealTextDetection model SealTextDetection(model_namePP-OCRv4_server_seal_det) output model.predict(seal_text_det.png, batch_size1) for res in output: res.print() res.save_to_img(save_path./output/) res.save_to_json(save_path./output/res.json)3.4 输出结果解读运行后得到的典型结果如下{res: {input_path: seal_text_det.png, page_index: None, dt_polys: [array([[463, 477], ..., [428, 505]]), array([[297, 444], ..., [230, 443]]), array([[457, 346], ..., [267, 345]]), array([[325, 38], ..., [322, 37]])], dt_scores: [0.9912680344777314, 0.9906849624837963, 0.9847219455533163, 0.9914791724153904]}}运行结果参数含义如下input_path输入待预测图像的路径dt_polys预测的文本检测框每个文本检测框包含一个多边形的多个顶点每个顶点是一个[x, y]列表分别表示该顶点的 x 坐标和 y 坐标多点框意味着支持圆形印章上沿圆弧排布的文字dt_scores预测的文本检测框的置信度上例中四个印章文本区域的置信度均在 0.98 以上。仓库单元测试 tests/models/test_seal_text_detection.py 对结果的键集合做了严格断言assert result[0].keys() { input_path, page_index, input_img, dt_polys, dt_scores, }即每个结果还包含input_img输入图像键可用于可视化叠加。四、核心参数详解4.1 SealTextDetection 实例化参数SealTextDetection实例化文本检测模型此处以PP-OCRv4_server_seal_det为例具体参数说明如下参数参数说明参数类型默认值model_name含义模型名称。说明如果设置为None则使用PP-OCRv4_mobile_seal_det。str\|NoneNonemodel_dir含义模型存储路径。str\|NoneNonedevice含义用于推理的设备。说明例如cpu、gpu、npu、gpu:0、gpu:0,1。如指定多个设备将进行并行推理。默认情况下优先使用 GPU 0若不可用则使用 CPU。str\|NoneNoneengine含义推理引擎。说明支持None默认值、paddle、paddle_static、paddle_dynamic、transformers。保持默认值None时本地推理默认使用paddle_static引擎。详细说明、取值、兼容性规则与示例请参见 推理引擎与配置说明。str\|NoneNoneengine_config含义推理引擎配置。说明推荐与engine搭配使用。详细字段、兼容性规则与示例请参见 推理引擎与配置说明。dict\|NoneNoneenable_hpi含义是否启用高性能推理。boolFalseuse_tensorrt含义是否启用 Paddle Inference 的 TensorRT 子图引擎。说明如果模型不支持通过 TensorRT 加速即使设置了此标志也不会使用加速。对于 CUDA 11.8 版本的飞桨兼容的 TensorRT 版本为 8.xx6建议安装 TensorRT 8.6.1.6。boolFalseprecision含义使用 Paddle Inference 的 TensorRT 子图引擎时设置的计算精度。可选项fp32、fp16。strfp32enable_mkldnn含义是否启用 MKL-DNN 加速推理。说明如果 MKL-DNN 不可用或模型不支持通过 MKL-DNN 加速即使设置了此标志也不会使用加速。boolTruemkldnn_cache_capacity含义MKL-DNN 缓存容量。int10cpu_threads含义在 CPU 上推理时使用的线程数量。int10limit_side_len含义检测的图像边长限制数值。说明如果设置为None将使用模型默认配置。int\|NoneNonelimit_type含义检测的图像边长限制类型。说明min表示保证图像最短边不小于limit_side_lenmax表示保证图像最长边不大于limit_side_len。如果设置为None将使用模型默认配置。str\|NoneNonethresh含义像素得分阈值。说明输出概率图中得分大于该阈值的像素点被认为是文本像素。可选大于 0 的任意浮点数。如果设置为None将使用模型默认配置。float\|NoneNonebox_thresh含义检测结果边框内所有像素点的平均得分大于该阈值时该结果会被认为是文字区域。说明可选大于 0 的任意浮点数。如果设置为None将使用模型默认配置。float\|NoneNoneunclip_ratio含义Vatti clipping 算法的扩张系数使用该方法对文字区域进行扩张。说明可选大于 0 的任意浮点数。值越大扩张区域越大。如果设置为None将使用模型默认配置。float\|NoneNoneinput_shape含义模型输入图像尺寸格式为(C, H, W)。说明若为None将使用模型默认配置。tuple\|NoneNone这些检测专属参数在源码中由TextDetectionMixin.__init__收集为_extra_init_args并经_get_extra_paddlex_predictor_init_args()透传给 PaddleX 的create_predictor见 paddleocr/_models/_text_detection.py 与 paddleocr/_models/base.py。模型配置文件中的后处理默认值thresh: 0.2、box_thresh: 0.6、unclip_ratio: 0.5即为None时采用的模型默认配置。4.2 predict() 与 predict_iter() 方法参数调用印章文本检测模型的predict()方法进行推理预测该方法会返回一个结果列表。另外本模块还提供了predict_iter()方法。两者在参数接受和结果返回方面完全一致区别在于predict_iter()返回的是一个generator能够逐步处理和获取预测结果适合处理大型数据集或希望节省内存的场景。可以根据实际需求选择使用这两种方法中的任意一种。从源码看paddleocr/_models/base.pypredict()正是对predict_iter()的封装result list(self.predict_iter(*args, **kwargs))二者底层都调用paddlex_predictor.predict()。predict()方法参数有input、batch_size、limit_side_len、limit_type、thresh、box_thresh、max_candidates、unclip_ratio具体说明如下参数参数说明参数类型默认值input含义待预测数据支持多种输入类型必填。说明-Python Var如numpy.ndarray表示的图像数据-str如图像文件或 PDF 文件的本地路径如/root/data/img.jpg或图像文件/PDF 文件的网络 URL如示例或本地目录该目录下需包含待预测图像如/root/data/注意当前不支持目录中包含 PDF 文件的预测PDF 文件需要指定到具体文件路径-list列表元素需为上述类型数据如[numpy.ndarray, numpy.ndarray]、[/root/data/img1.jpg, /root/data/img2.jpg]、[/root/data1, /root/data2]。Python Var\|str\|list必填batch_size含义批大小。说明可设置为任意正整数。int1limit_side_len含义与实例化参数基本相同。说明设置为None表示使用实例化参数否则该参数优先级更高。int\|NoneNonelimit_type含义与实例化参数基本相同。说明设置为None表示使用实例化参数否则该参数优先级更高。str\|NoneNonethresh含义与实例化参数基本相同。说明设置为None表示使用实例化参数否则该参数优先级更高。float\|NoneNonebox_thresh含义与实例化参数基本相同。说明设置为None表示使用实例化参数否则该参数优先级更高。float\|NoneNoneunclip_ratio含义与实例化参数基本相同。说明设置为None表示使用实例化参数否则该参数优先级更高。float\|NoneNone参数优先级规则调用predict()时传入的检测参数limit_side_len、limit_type、thresh、box_thresh、unclip_ratio若不为None将覆盖实例化时的同名参数若为None则回退使用实例化参数最终回退到模型配置文件中的默认值。单元测试 tests/models/test_seal_text_detection.py 中的test_predict_params用例如{limit_side_len: 640, limit_type: min}、{thresh: 0.5}、{box_thresh: 0.3}、{unclip_ratio: 3.0}正是对这一透传行为的验证。五、预测结果处理每个样本的预测结果均为对应的 Result 对象支持打印、保存为图片、保存为 JSON 文件的操作方法方法说明参数参数类型参数说明默认值print()打印结果到终端format_jsonbool是否对输出内容使用 JSON 缩进格式化Trueindentint指定缩进级别美化输出的 JSON 数据仅当format_json为True时有效4ensure_asciibool控制是否将非 ASCII 字符转义为 Unicode。True时所有非 ASCII 字符被转义False保留原始字符仅当format_json为True时有效Falsesave_to_json()将结果保存为 json 格式的文件save_pathstr保存的文件路径当为目录时保存文件命名与输入文件类型命名一致无indentint指定缩进级别美化输出的 JSON 数据仅当format_json为True时有效4ensure_asciibool控制是否将非 ASCII 字符转义为 Unicode。True时所有非 ASCII 字符被转义False保留原始字符仅当format_json为True时有效Falsesave_to_img()将结果保存为图像格式的文件save_pathstr保存的文件路径当为目录时保存文件命名与输入文件类型命名一致无此外也支持通过属性获取带结果的可视化图像和预测结果属性属性说明json获取预测的json格式的结果img获取格式为dict的可视化图像六、二次开发训练、评估与导出如果以上模型在您的场景上效果仍不理想可以进行二次开发。此处以训练PP-OCRv4_server_seal_det为例其他模型替换对应配置文件即可。首先需要准备文本检测的数据集可参考印章文本检测 Demo 数据的格式准备好后即可按照以下步骤进行模型训练和导出导出后可以将模型快速集成到上述 API 中。在训练模型之前请确保已经按照安装文档安装了 PaddleOCR 所需要的依赖。6.1 数据集与预训练模型准备6.1.1 准备数据集# 下载示例数据集 wget https://paddle-model-ecology.bj.bcebos.com/paddlex/data/ocr_curve_det_dataset_examples.tar -P ./dataset tar -xf ./dataset/ocr_curve_det_dataset_examples.tar -C ./dataset/6.1.2 下载预训练模型# 下载 PP-OCRv4_server_seal_det 预训练模型 wget https://paddle-model-ecology.bj.bcebos.com/paddlex/official_pretrained_model/PP-OCRv4_server_seal_det_pretrained.pdparams6.2 模型训练PaddleOCR 对代码进行了模块化训练PP-OCRv4_server_seal_det模型时需要使用对应的配置文件移动端则使用 PP-OCRv4_mobile_seal_det.yml。训练命令如下# 单卡训练默认训练方式 python3 tools/train.py -c configs/det/PP-OCRv4/PP-OCRv4_server_seal_det.yml \ -o Global.pretrained_model./PP-OCRv4_server_seal_det_pretrained.pdparams \ Train.dataset.data_dir./dataset/ocr_curve_det_dataset_examples Train.dataset.label_file_list./dataset/ocr_curve_det_dataset_examples/train.txt \ Eval.dataset.data_dir./dataset/ocr_curve_det_dataset_examples Eval.dataset.label_file_list./dataset/ocr_curve_det_dataset_examples/val.txt # 多卡训练通过 --gpus 参数指定卡号 python3 -m paddle.distributed.launch --gpus 0,1,2,3 tools/train.py -c configs/det/PP-OCRv4/PP-OCRv4_server_seal_det.yml \ -o Global.pretrained_model./PP-OCRv4_server_seal_det_pretrained.pdparams \ Train.dataset.data_dir./dataset/ocr_curve_det_dataset_examples Train.dataset.label_file_list./dataset/ocr_curve_det_dataset_examples/train.txt \ Eval.dataset.data_dir./dataset/ocr_curve_det_dataset_examples Eval.dataset.label_file_list./dataset/ocr_curve_det_dataset_examples/val.txt从配置文件可知训练使用TextDetDataset标注格式为文本检测通用的 poly 多边形标注训练时长为 100 epochGlobal.epoch_num: 100训练图像尺寸为 640×640并使用了IaaAugment、EastRandomCropData、MakeBorderMap、MakeShrinkMap等数据增强与 DB 标签生成变换优化器为 Adam Cosine 学习率调度损失函数为DBLossDiceLoss 为主alpha: 5、beta: 10、ohem_ratio: 3。6.3 模型评估您可以评估已经训练好的权重如output/xxx/xxx.pdparams使用如下命令进行评估# 注意将 pretrained_model 的路径设置为本地路径。若使用自行训练保存的模型请注意修改路径和文件名为 {path/to/weights}/{model_name}。 # demo 测试集评估 python3 tools/eval.py -c configs/det/PP-OCRv4/PP-OCRv4_server_seal_det.yml -o \ Global.pretrained_modeloutput/xxx/xxx.pdparams评估指标由配置文件中的Metric: DetMetric, main_indicator: hmean定义即检测任务标准的 HmeanPrecision 与 Recall 的调和平均指标与模型列表中展示的检测 Hmean%一致。6.4 模型导出python3 tools/export_model.py -c configs/det/PP-OCRv4/PP-OCRv4_server_seal_det.yml -o \ Global.pretrained_modeloutput/xxx/xxx.pdparams \ Global.save_inference_dir./PP-OCRv4_server_seal_det_infer/导出模型后静态图模型会存放于当前目录的./PP-OCRv4_server_seal_det_infer/中在该目录下您将看到如下文件./PP-OCRv4_server_seal_det_infer/ ├── inference.json ├── inference.pdiparams ├── inference.yml至此二次开发完成该静态图模型可以直接集成到 PaddleOCR 的 API 中使用方式为将SealTextDetection的model_dir参数指向该目录from paddleocr import SealTextDetection model SealTextDetection(model_dir./PP-OCRv4_server_seal_det_infer/) output model.predict(your_seal_image.png)七、FAQQ1检测不到印章上的文字怎么办优先检查thresh像素得分阈值与box_thresh边框平均得分阈值的取值。若印章文字较浅或被压盖可适当降低thresh与box_thresh若文字区域过小被过滤可降低box_thresh并适当增大unclip_ratio以扩张文字区域。这些参数既可在实例化时设置也可在predict()调用时临时覆盖优先级更高。Q2为什么官方模型的默认参数不是我在配置文件中看到的数值实例化参数默认值为None表示使用模型默认配置即模型配置文件PostProcess段中的值如thresh: 0.2、box_thresh: 0.6、unclip_ratio: 0.5。推理引擎paddle_static在加载静态图时会一并携带这些后处理配置。Q3如何在端侧设备部署移动端模型PP-OCRv4_mobile_seal_det模型仅 4.7 MB支持通过device参数指定推理设备如需进一步加速可参考 高性能推理 开启enable_hpi或配置 TensorRT/MKL-DNN 加速并参考 推理引擎与配置说明 选择合适的engine。Q4predict() 与 predict_iter() 该如何选择二者参数与结果完全一致。predict()一次性返回完整列表适合样本量不大的场景predict_iter()返回 generator逐个产出结果适合大型数据集或内存受限的场景。总结本文围绕 PaddleOCR 印章文本检测模块完整覆盖了从模型选型服务端 vs 移动端、一行命令快速体验、Python API 集成与参数调优到基于真实配置文件的训练、评估与导出全流程。结合 paddleocr/_models/seal_text_detection.py 的源码实现与 tests/models/test_seal_text_detection.py 的测试断言可以看到该模块是一个高度封装的检测模型包装器其输出dt_polys多点边界框与dt_scores置信度可直接衔接弯曲矫正与文本识别模块构成完整的印章 OCR 链路。后续如需了解印章识别全流程可进一步阅读仓库中SealRecognition管线相关文档与 tests/pipelines/test_seal_rec.py 中的参数用法如seal_det_thresh、seal_det_box_thresh、seal_det_unclip_ratio等印章识别场景的检测参数透传。【免费下载链接】PaddleOCRTurn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100 languages.项目地址: https://gitcode.com/GitHub_Trending/pa/PaddleOCR创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
PaddleOCR 印章文本检测模块实战模型选型、Python/CLI 推理与二次开发全指南【免费下载链接】PaddleOCRTurn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100 languages.项目地址: https://gitcode.com/GitHub_Trending/pa/PaddleOCR印章文本检测Seal Text Detection是 PaddleOCR 文档智能处理链路中的关键子任务负责在合同、发票、出入库单据等图像中定位并标记出印章上的文字区域。本指南以docs/version3.x/module_usage/seal_text_detection.md为骨架结合仓库内paddleocr/_models/seal_text_detection.py源码与configs/det/PP-OCRv4/下的真实配置系统讲解印章文本检测模块的模型选型、一行命令快速体验、Python API 参数全解、结果处理方式以及从数据集准备到训练、评估、导出的完整二次开发流程。一、模块定位与工作方式印章文本检测模块的输出是文本区域的多点边界框Bounding Boxes即多边形顶点序列。这些边界框并不会直接输出文字内容而是作为输入传递给弯曲矫正与文本识别模块进行后续处理最终得到印章上的文字内容。因此从源码结构看SealTextDetection是一个纯粹的检测det模型包装器它继承了文本检测的通用实现而非识别实现。印章文本识别在文档处理中应用广泛典型场景包括合同比对提取合同骑缝章、公章区域的文字用于一致性核验出入库审核识别单据上加盖的审核章文字用于流程留痕发票报销审核核验发票上的发票章、财务章文字辅助财务自动化。从实现层面看模块性能直接决定整个印章 OCR 系统的准确率与吞吐因此在部署前需要针对精度与速度做好模型选型见下一节。在仓库中该模块的实现位于 paddleocr/_models/seal_text_detection.py其类定义如下class SealTextDetection(TextDetectionMixin, PaddleXPredictorWrapper): property def default_model_name(self): return PP-OCRv4_mobile_seal_det可以看到SealTextDetection继承自TextDetectionMixin提供limit_side_len、thresh、box_thresh、unclip_ratio、input_shape等检测专属参数透传与PaddleXPredictorWrapper负责通过 PaddleX 的create_predictor创建推理器并通过 paddleocr/_models/init.py 导出为公共 API。二、支持模型列表与性能对比下表为印章文本检测模块当前支持的两个官方模型数据来源于原文档推理耗时仅包含模型推理耗时不包含前后处理模型模型下载链接检测 Hmean%GPU 推理耗时ms[常规模式 / 高性能模式]CPU 推理耗时ms[常规模式 / 高性能模式]模型存储大小MB介绍PP-OCRv4_server_seal_det推理模型 / 训练模型98.40124.64 / 91.57545.68 / 439.86109PP-OCRv4 的服务端印章文本检测模型精度更高适合在较好的服务器上部署PP-OCRv4_mobile_seal_det推理模型 / 训练模型96.369.70 / 3.5650.38 / 19.644.7PP-OCRv4 的移动端印章文本检测模型效率更高适合在端侧部署2.1 测试环境说明测试数据集自建内部数据集包含 500 张圆形印章图像。硬件配置GPU 为 NVIDIA Tesla T4CPU 为 Intel Xeon Gold 6271C 2.60GHz。软件环境Ubuntu 20.04 / CUDA 11.8 / cuDNN 8.9 / TensorRT 8.6.1.6paddlepaddle-gpu 3.0.0 / paddleocr 3.0.3。2.2 常规模式与高性能模式模式GPU 配置CPU 配置加速技术组合常规模式FP32 精度 / 无 TRT 加速FP32 精度 / 8 线程PaddleInference高性能模式选择先验精度类型和加速策略的最优组合FP32 精度 / 8 线程选择先验最优后端Paddle/OpenVINO/TRT 等结合两份模型配置文件可以更清晰地理解两个模型的架构差异服务端模型configs/det/PP-OCRv4/PP-OCRv4_server_seal_det.ymlBackbone 为PPHGNet_smallNeck 为LKPANout_channels256Head 为PFHeadLocalk50modelarge移动端模型configs/det/PP-OCRv4/PP-OCRv4_mobile_seal_det.ymlBackbone 为PPLCNetV3scale0.75Neck 为RSEFPNout_channels96Head 为DBHeadk50。两者都采用 DBDifferentiable Binarization检测算法Architecture.algorithm: DB训练时输入尺寸均为[3, 640, 640]Global.d2s_train_image_shape后处理均为DBPostProcessthresh: 0.2、box_thresh: 0.6、unclip_ratio: 0.5、box_type: poly。模型存储大小与推理耗时的差距主要来自骨干网络与 Neck 的规模差异。选型建议追求端到端高精度、部署在服务器上时选PP-OCRv4_server_seal_det追求低延迟、需要部署在移动端或边缘设备时选PP-OCRv4_mobile_seal_det。若未显式指定model_name模块默认加载移动端模型与源码中default_model_name属性一致。三、快速开始3.1 环境准备在快速开始前请先安装 PaddleOCR 的 wheel 包详细请参考 安装教程。上述示例默认使用paddle_static推理引擎请先按照 飞桨框架安装 完成 PaddlePaddle 安装。注意PaddleOCR 官方模型默认从 HuggingFace 获取如运行环境访问 HuggingFace 不便可通过环境变量修改模型源为 BOSexport PADDLE_PDX_MODEL_SOURCEBOS未来将支持更多主流模型源。3.2 一行命令 CLI 推理使用一行命令即可快速体验paddleocr seal_text_detection -i https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/seal_text_det.png从 CLI 注册逻辑看见 paddleocr/_cli.py 中_register_models的注册列表seal_text_detection是SealTextDetectionSubcommandExecutor注册的子命令subparser_name seal_text_detection。该子命令除通用参数--model_name、--model_dir、--device、--engine等外还额外支持文本检测专属参数--limit_side_len、--limit_type、--thresh、--box_thresh、--unclip_ratio、--input_shape见 paddleocr/_models/_text_detection.py 中TextDetectionSubcommandExecutorMixin._add_text_detection_args方便在命令行直接调参。3.3 Python API 推理您也可以将印章文本检测的模块推理集成到自己的项目中。运行以下代码前请先将示例图片下载到本地from paddleocr import SealTextDetection model SealTextDetection(model_namePP-OCRv4_server_seal_det) output model.predict(seal_text_det.png, batch_size1) for res in output: res.print() res.save_to_img(save_path./output/) res.save_to_json(save_path./output/res.json)3.4 输出结果解读运行后得到的典型结果如下{res: {input_path: seal_text_det.png, page_index: None, dt_polys: [array([[463, 477], ..., [428, 505]]), array([[297, 444], ..., [230, 443]]), array([[457, 346], ..., [267, 345]]), array([[325, 38], ..., [322, 37]])], dt_scores: [0.9912680344777314, 0.9906849624837963, 0.9847219455533163, 0.9914791724153904]}}运行结果参数含义如下input_path输入待预测图像的路径dt_polys预测的文本检测框每个文本检测框包含一个多边形的多个顶点每个顶点是一个[x, y]列表分别表示该顶点的 x 坐标和 y 坐标多点框意味着支持圆形印章上沿圆弧排布的文字dt_scores预测的文本检测框的置信度上例中四个印章文本区域的置信度均在 0.98 以上。仓库单元测试 tests/models/test_seal_text_detection.py 对结果的键集合做了严格断言assert result[0].keys() { input_path, page_index, input_img, dt_polys, dt_scores, }即每个结果还包含input_img输入图像键可用于可视化叠加。四、核心参数详解4.1 SealTextDetection 实例化参数SealTextDetection实例化文本检测模型此处以PP-OCRv4_server_seal_det为例具体参数说明如下参数参数说明参数类型默认值model_name含义模型名称。说明如果设置为None则使用PP-OCRv4_mobile_seal_det。str\|NoneNonemodel_dir含义模型存储路径。str\|NoneNonedevice含义用于推理的设备。说明例如cpu、gpu、npu、gpu:0、gpu:0,1。如指定多个设备将进行并行推理。默认情况下优先使用 GPU 0若不可用则使用 CPU。str\|NoneNoneengine含义推理引擎。说明支持None默认值、paddle、paddle_static、paddle_dynamic、transformers。保持默认值None时本地推理默认使用paddle_static引擎。详细说明、取值、兼容性规则与示例请参见 推理引擎与配置说明。str\|NoneNoneengine_config含义推理引擎配置。说明推荐与engine搭配使用。详细字段、兼容性规则与示例请参见 推理引擎与配置说明。dict\|NoneNoneenable_hpi含义是否启用高性能推理。boolFalseuse_tensorrt含义是否启用 Paddle Inference 的 TensorRT 子图引擎。说明如果模型不支持通过 TensorRT 加速即使设置了此标志也不会使用加速。对于 CUDA 11.8 版本的飞桨兼容的 TensorRT 版本为 8.xx6建议安装 TensorRT 8.6.1.6。boolFalseprecision含义使用 Paddle Inference 的 TensorRT 子图引擎时设置的计算精度。可选项fp32、fp16。strfp32enable_mkldnn含义是否启用 MKL-DNN 加速推理。说明如果 MKL-DNN 不可用或模型不支持通过 MKL-DNN 加速即使设置了此标志也不会使用加速。boolTruemkldnn_cache_capacity含义MKL-DNN 缓存容量。int10cpu_threads含义在 CPU 上推理时使用的线程数量。int10limit_side_len含义检测的图像边长限制数值。说明如果设置为None将使用模型默认配置。int\|NoneNonelimit_type含义检测的图像边长限制类型。说明min表示保证图像最短边不小于limit_side_lenmax表示保证图像最长边不大于limit_side_len。如果设置为None将使用模型默认配置。str\|NoneNonethresh含义像素得分阈值。说明输出概率图中得分大于该阈值的像素点被认为是文本像素。可选大于 0 的任意浮点数。如果设置为None将使用模型默认配置。float\|NoneNonebox_thresh含义检测结果边框内所有像素点的平均得分大于该阈值时该结果会被认为是文字区域。说明可选大于 0 的任意浮点数。如果设置为None将使用模型默认配置。float\|NoneNoneunclip_ratio含义Vatti clipping 算法的扩张系数使用该方法对文字区域进行扩张。说明可选大于 0 的任意浮点数。值越大扩张区域越大。如果设置为None将使用模型默认配置。float\|NoneNoneinput_shape含义模型输入图像尺寸格式为(C, H, W)。说明若为None将使用模型默认配置。tuple\|NoneNone这些检测专属参数在源码中由TextDetectionMixin.__init__收集为_extra_init_args并经_get_extra_paddlex_predictor_init_args()透传给 PaddleX 的create_predictor见 paddleocr/_models/_text_detection.py 与 paddleocr/_models/base.py。模型配置文件中的后处理默认值thresh: 0.2、box_thresh: 0.6、unclip_ratio: 0.5即为None时采用的模型默认配置。4.2 predict() 与 predict_iter() 方法参数调用印章文本检测模型的predict()方法进行推理预测该方法会返回一个结果列表。另外本模块还提供了predict_iter()方法。两者在参数接受和结果返回方面完全一致区别在于predict_iter()返回的是一个generator能够逐步处理和获取预测结果适合处理大型数据集或希望节省内存的场景。可以根据实际需求选择使用这两种方法中的任意一种。从源码看paddleocr/_models/base.pypredict()正是对predict_iter()的封装result list(self.predict_iter(*args, **kwargs))二者底层都调用paddlex_predictor.predict()。predict()方法参数有input、batch_size、limit_side_len、limit_type、thresh、box_thresh、max_candidates、unclip_ratio具体说明如下参数参数说明参数类型默认值input含义待预测数据支持多种输入类型必填。说明-Python Var如numpy.ndarray表示的图像数据-str如图像文件或 PDF 文件的本地路径如/root/data/img.jpg或图像文件/PDF 文件的网络 URL如示例或本地目录该目录下需包含待预测图像如/root/data/注意当前不支持目录中包含 PDF 文件的预测PDF 文件需要指定到具体文件路径-list列表元素需为上述类型数据如[numpy.ndarray, numpy.ndarray]、[/root/data/img1.jpg, /root/data/img2.jpg]、[/root/data1, /root/data2]。Python Var\|str\|list必填batch_size含义批大小。说明可设置为任意正整数。int1limit_side_len含义与实例化参数基本相同。说明设置为None表示使用实例化参数否则该参数优先级更高。int\|NoneNonelimit_type含义与实例化参数基本相同。说明设置为None表示使用实例化参数否则该参数优先级更高。str\|NoneNonethresh含义与实例化参数基本相同。说明设置为None表示使用实例化参数否则该参数优先级更高。float\|NoneNonebox_thresh含义与实例化参数基本相同。说明设置为None表示使用实例化参数否则该参数优先级更高。float\|NoneNoneunclip_ratio含义与实例化参数基本相同。说明设置为None表示使用实例化参数否则该参数优先级更高。float\|NoneNone参数优先级规则调用predict()时传入的检测参数limit_side_len、limit_type、thresh、box_thresh、unclip_ratio若不为None将覆盖实例化时的同名参数若为None则回退使用实例化参数最终回退到模型配置文件中的默认值。单元测试 tests/models/test_seal_text_detection.py 中的test_predict_params用例如{limit_side_len: 640, limit_type: min}、{thresh: 0.5}、{box_thresh: 0.3}、{unclip_ratio: 3.0}正是对这一透传行为的验证。五、预测结果处理每个样本的预测结果均为对应的 Result 对象支持打印、保存为图片、保存为 JSON 文件的操作方法方法说明参数参数类型参数说明默认值print()打印结果到终端format_jsonbool是否对输出内容使用 JSON 缩进格式化Trueindentint指定缩进级别美化输出的 JSON 数据仅当format_json为True时有效4ensure_asciibool控制是否将非 ASCII 字符转义为 Unicode。True时所有非 ASCII 字符被转义False保留原始字符仅当format_json为True时有效Falsesave_to_json()将结果保存为 json 格式的文件save_pathstr保存的文件路径当为目录时保存文件命名与输入文件类型命名一致无indentint指定缩进级别美化输出的 JSON 数据仅当format_json为True时有效4ensure_asciibool控制是否将非 ASCII 字符转义为 Unicode。True时所有非 ASCII 字符被转义False保留原始字符仅当format_json为True时有效Falsesave_to_img()将结果保存为图像格式的文件save_pathstr保存的文件路径当为目录时保存文件命名与输入文件类型命名一致无此外也支持通过属性获取带结果的可视化图像和预测结果属性属性说明json获取预测的json格式的结果img获取格式为dict的可视化图像六、二次开发训练、评估与导出如果以上模型在您的场景上效果仍不理想可以进行二次开发。此处以训练PP-OCRv4_server_seal_det为例其他模型替换对应配置文件即可。首先需要准备文本检测的数据集可参考印章文本检测 Demo 数据的格式准备好后即可按照以下步骤进行模型训练和导出导出后可以将模型快速集成到上述 API 中。在训练模型之前请确保已经按照安装文档安装了 PaddleOCR 所需要的依赖。6.1 数据集与预训练模型准备6.1.1 准备数据集# 下载示例数据集 wget https://paddle-model-ecology.bj.bcebos.com/paddlex/data/ocr_curve_det_dataset_examples.tar -P ./dataset tar -xf ./dataset/ocr_curve_det_dataset_examples.tar -C ./dataset/6.1.2 下载预训练模型# 下载 PP-OCRv4_server_seal_det 预训练模型 wget https://paddle-model-ecology.bj.bcebos.com/paddlex/official_pretrained_model/PP-OCRv4_server_seal_det_pretrained.pdparams6.2 模型训练PaddleOCR 对代码进行了模块化训练PP-OCRv4_server_seal_det模型时需要使用对应的配置文件移动端则使用 PP-OCRv4_mobile_seal_det.yml。训练命令如下# 单卡训练默认训练方式 python3 tools/train.py -c configs/det/PP-OCRv4/PP-OCRv4_server_seal_det.yml \ -o Global.pretrained_model./PP-OCRv4_server_seal_det_pretrained.pdparams \ Train.dataset.data_dir./dataset/ocr_curve_det_dataset_examples Train.dataset.label_file_list./dataset/ocr_curve_det_dataset_examples/train.txt \ Eval.dataset.data_dir./dataset/ocr_curve_det_dataset_examples Eval.dataset.label_file_list./dataset/ocr_curve_det_dataset_examples/val.txt # 多卡训练通过 --gpus 参数指定卡号 python3 -m paddle.distributed.launch --gpus 0,1,2,3 tools/train.py -c configs/det/PP-OCRv4/PP-OCRv4_server_seal_det.yml \ -o Global.pretrained_model./PP-OCRv4_server_seal_det_pretrained.pdparams \ Train.dataset.data_dir./dataset/ocr_curve_det_dataset_examples Train.dataset.label_file_list./dataset/ocr_curve_det_dataset_examples/train.txt \ Eval.dataset.data_dir./dataset/ocr_curve_det_dataset_examples Eval.dataset.label_file_list./dataset/ocr_curve_det_dataset_examples/val.txt从配置文件可知训练使用TextDetDataset标注格式为文本检测通用的 poly 多边形标注训练时长为 100 epochGlobal.epoch_num: 100训练图像尺寸为 640×640并使用了IaaAugment、EastRandomCropData、MakeBorderMap、MakeShrinkMap等数据增强与 DB 标签生成变换优化器为 Adam Cosine 学习率调度损失函数为DBLossDiceLoss 为主alpha: 5、beta: 10、ohem_ratio: 3。6.3 模型评估您可以评估已经训练好的权重如output/xxx/xxx.pdparams使用如下命令进行评估# 注意将 pretrained_model 的路径设置为本地路径。若使用自行训练保存的模型请注意修改路径和文件名为 {path/to/weights}/{model_name}。 # demo 测试集评估 python3 tools/eval.py -c configs/det/PP-OCRv4/PP-OCRv4_server_seal_det.yml -o \ Global.pretrained_modeloutput/xxx/xxx.pdparams评估指标由配置文件中的Metric: DetMetric, main_indicator: hmean定义即检测任务标准的 HmeanPrecision 与 Recall 的调和平均指标与模型列表中展示的检测 Hmean%一致。6.4 模型导出python3 tools/export_model.py -c configs/det/PP-OCRv4/PP-OCRv4_server_seal_det.yml -o \ Global.pretrained_modeloutput/xxx/xxx.pdparams \ Global.save_inference_dir./PP-OCRv4_server_seal_det_infer/导出模型后静态图模型会存放于当前目录的./PP-OCRv4_server_seal_det_infer/中在该目录下您将看到如下文件./PP-OCRv4_server_seal_det_infer/ ├── inference.json ├── inference.pdiparams ├── inference.yml至此二次开发完成该静态图模型可以直接集成到 PaddleOCR 的 API 中使用方式为将SealTextDetection的model_dir参数指向该目录from paddleocr import SealTextDetection model SealTextDetection(model_dir./PP-OCRv4_server_seal_det_infer/) output model.predict(your_seal_image.png)七、FAQQ1检测不到印章上的文字怎么办优先检查thresh像素得分阈值与box_thresh边框平均得分阈值的取值。若印章文字较浅或被压盖可适当降低thresh与box_thresh若文字区域过小被过滤可降低box_thresh并适当增大unclip_ratio以扩张文字区域。这些参数既可在实例化时设置也可在predict()调用时临时覆盖优先级更高。Q2为什么官方模型的默认参数不是我在配置文件中看到的数值实例化参数默认值为None表示使用模型默认配置即模型配置文件PostProcess段中的值如thresh: 0.2、box_thresh: 0.6、unclip_ratio: 0.5。推理引擎paddle_static在加载静态图时会一并携带这些后处理配置。Q3如何在端侧设备部署移动端模型PP-OCRv4_mobile_seal_det模型仅 4.7 MB支持通过device参数指定推理设备如需进一步加速可参考 高性能推理 开启enable_hpi或配置 TensorRT/MKL-DNN 加速并参考 推理引擎与配置说明 选择合适的engine。Q4predict() 与 predict_iter() 该如何选择二者参数与结果完全一致。predict()一次性返回完整列表适合样本量不大的场景predict_iter()返回 generator逐个产出结果适合大型数据集或内存受限的场景。总结本文围绕 PaddleOCR 印章文本检测模块完整覆盖了从模型选型服务端 vs 移动端、一行命令快速体验、Python API 集成与参数调优到基于真实配置文件的训练、评估与导出全流程。结合 paddleocr/_models/seal_text_detection.py 的源码实现与 tests/models/test_seal_text_detection.py 的测试断言可以看到该模块是一个高度封装的检测模型包装器其输出dt_polys多点边界框与dt_scores置信度可直接衔接弯曲矫正与文本识别模块构成完整的印章 OCR 链路。后续如需了解印章识别全流程可进一步阅读仓库中SealRecognition管线相关文档与 tests/pipelines/test_seal_rec.py 中的参数用法如seal_det_thresh、seal_det_box_thresh、seal_det_unclip_ratio等印章识别场景的检测参数透传。【免费下载链接】PaddleOCRTurn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100 languages.项目地址: https://gitcode.com/GitHub_Trending/pa/PaddleOCR创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
)
)
