paddleocr的预训练模型，无论是在线版本还是本地离线版本，均无法正确识别法律专业术语“嫖娼”二字，请修复

[y100143239]

🔎 Search before asking

• I have searched the PaddleOCR Docs and found no similar bug report.
• I have searched the PaddleOCR Issues and found no similar bug report.
• I have searched the PaddleOCR Discussions and found no similar bug report.

🐛 Bug (问题描述)

paddleocr的预训练模型无法正确识别法律专业术语“嫖娼”二字，请修复

🏃‍♂️ Environment (运行环境)

win10

🌰 Minimal Reproducible Example (最小可复现问题的Demo)

[GreatV]

需要自己微调一下识别模型

[GreatV]

该问题可能与 PaddleOCR 的字符集、训练数据分布或模型的字典文件有关。根据 Issue #14065 的讨论，即使字符表中包含某些字，模型仍可能无法正确识别它们，原因可能包括：

1. 字符集问题：PaddleOCR 的识别模型依赖于预定义的字符集（dictionary）。如果某些字未包含在字符集中，模型可能无法识别它们。你可以检查 ppocr_keys_v1.txt 或 ppocr_keys_v2.txt 文件，确认“嫖娼”是否在字符集中。

2. 训练数据分布：如果训练数据集中“嫖娼”这类词语出现频率较低，模型可能无法有效学习到它们的特征。因此，即使字符集包含这些字，模型可能仍然无法正确识别。

3. 模型本身的局限性：不同的 OCR 结构（如 CRNN、SVTR 等）对不同字体、印刷质量和背景噪声的适应性不同。可以尝试不同的 PaddleOCR 预训练模型，如 ch_PP-OCRv3 或 ch_Rec_svtr_tiny，看看是否有改善。

可能的解决方案

1. 检查 PaddleOCR 字符集

   • 确保 ppocr_keys_v1.txt 或 ppocr_keys_v2.txt 包含“嫖娼”。
   • 如果字符集缺少这些字符，可以手动添加并重新训练模型。

2. 尝试不同的 PaddleOCR 预训练模型

   • 使用 ch_PP-OCRv3 或 ch_Rec_svtr_tiny 等不同的模型，看看是否有改善。

3. 微调 PaddleOCR 识别模型

   • 如果问题仍然存在，可以尝试使用包含“嫖娼”字样的数据进行微调训练，以增强模型的识别能力。

4. 检查输入图像质量

   • 确保输入图像清晰、对比度足够高，避免因图像模糊或噪声影响识别结果。

如果尝试以上方法后问题仍然存在，可以在 PaddleOCR 官方 GitHub 提交 Issue，附上详细的测试图片、代码以及日志，方便开发者进一步排查。

🔗 相关 Issue: 一个非常奇怪的问题，字符表里面有的字，就是识别不出来

---

Response generated by feifei-bot | chatgpt-4o-latest

[cuicheng01]

您好，目前paddlex的3.0rc版本中的PP-OCRv4_server_rec_doc的模型已经解决你的问题，可以直接用三行代码体验。并且会在下一个版本的paddleocr中集成这个模型。