在安卓中用fastdeploy 部署推理，如何只做文本识别呢？

[huangguifeng]

package com.example.mydemo;
import android.content.Context;
import android.graphics.Bitmap;
import android.util.Log;

import com.baidu.paddle.fastdeploy.RuntimeOption;
import com.baidu.paddle.fastdeploy.pipeline.PPOCRv3;
import com.baidu.paddle.fastdeploy.vision.OCRResult;
import com.baidu.paddle.fastdeploy.vision.ocr.DBDetector;
import com.baidu.paddle.fastdeploy.vision.ocr.Recognizer;

import java.io.File;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.InputStream;
import java.io.OutputStream;
import java.util.ArrayList;
import java.util.List;

public class PPOCRHelper {

private PPOCRv3 predictor = new PPOCRv3();
private  String Tag = "PPOCRHelper";
private String[] texts;
private float[] recScores;
private boolean initialized;
private float resultNum = 1.0f;

public PPOCRHelper(Context context){
    try {
        // 确保 access下的目录
        new File(context.getFilesDir().getPath() + "/access/en_PP-OCRv3_det_infer").mkdirs();
        new File(context.getFilesDir().getPath() + "/access/en_PP-OCRv3_rec_infer").mkdirs();

        // 检测模型文件
        String detModelFile = context.getFilesDir().getPath() + "/access/en_PP-OCRv3_det_infer/inference.pdmodel";
        copyAssetToFile(context, "en_PP-OCRv3_det_infer/inference.pdmodel", detModelFile);

        // 检测参数文件
        String detParamsFile = context.getFilesDir().getPath() + "/access/en_PP-OCRv3_det_infer/inference.pdiparams";
        copyAssetToFile(context, "en_PP-OCRv3_det_infer/inference.pdiparams", detParamsFile);

        // 识别模型文件
        String recModelFile = context.getFilesDir().getPath() + "/access/en_PP-OCRv3_rec_infer/inference.pdmodel";
        copyAssetToFile(context, "en_PP-OCRv3_rec_infer/inference.pdmodel", recModelFile);

        // 识别参数文件
        String recParamsFile = context.getFilesDir().getPath() + "/access/en_PP-OCRv3_rec_infer/inference.pdiparams";
        copyAssetToFile(context, "en_PP-OCRv3_rec_infer/inference.pdiparams", recParamsFile);

        // 识别标签文件
        String recLabelFilePath = context.getFilesDir().getPath() + "/access/en_dict.txt";
        copyAssetToFile(context, "en_dict.txt", recLabelFilePath);


        // 初始化运行时选项
        RuntimeOption detOption = new RuntimeOption();
        RuntimeOption recOption = new RuntimeOption();
        detOption.enableLiteFp16();
        recOption.enableLiteFp16();

        // 初始化检测模型和识别模型
        DBDetector detModel = new DBDetector(detModelFile, detParamsFile, detOption);
        Recognizer recModel = new Recognizer(recModelFile, recParamsFile, recLabelFilePath, recOption);


        // 初始化 PPOCRv3 预测器
        predictor.init(detModel,  recModel);


    } catch (Exception e) {
        Log.e(Tag,  "模型加载失败");
    }
}



public OCRResult  predict(Bitmap img){
  return   predictor.predict(img);

}



private void copyAssetToFile(Context context, String assetFileName, String outputPath) {
    try (InputStream in = context.getAssets().open(assetFileName);
         OutputStream out = new FileOutputStream(outputPath)) {
        byte[] buffer = new byte[1024];
        int read;
        while ((read = in.read(buffer)) != -1) {
            out.write(buffer, 0, read);
        }
        Log.d("TAG", "模型文件拷贝成功: " + outputPath);
    } catch (IOException e) {
        Log.e("TAG", "拷贝模型文件失败: " + e.getMessage());
    }
}

} sdk 好像并不支持单独使用rec 模型，由于特定任务通用的文本检测满足要求，然后自己训练了文本检测模型，想单独使用文本检测。

[GreatV]

当前 FastDeploy SDK 的 PPOCRv3 主要是用于处理完整的 OCR 任务，即文本检测（DBDetector）+ 识别（Recognizer）。然而，你的需求是仅使用文本检测模型，而不进行文本识别。这可以通过直接使用 DBDetector 模型来实现，而不初始化 Recognizer。

解决方案：

1. 仅初始化 DBDetector 而不使用 Recognizer
2. 调用 DBDetector 预测文本的位置信息

代码实现：

修改 PPOCRHelper 类，去掉 Recognizer 相关逻辑，只保留 DBDetector，如下所示：

1. 修改类成员变量

在 PPOCRHelper 类中，只保留 DBDetector 相关内容：

import com.baidu.paddle.fastdeploy.vision.ocr.DBDetector;
import com.baidu.paddle.fastdeploy.vision.OCRResult;

public class PPOCRHelper {
    private DBDetector detector;
    private String Tag = "PPOCRHelper";
    private boolean initialized;

    public PPOCRHelper(Context context) {
        try {
            // 确保目标目录存在
            new File(context.getFilesDir().getPath() + "/access/en_PP-OCRv3_det_infer").mkdirs();

            // 文本检测模型文件路径
            String detModelFile = context.getFilesDir().getPath() + "/access/en_PP-OCRv3_det_infer/inference.pdmodel";
            String detParamsFile = context.getFilesDir().getPath() + "/access/en_PP-OCRv3_det_infer/inference.pdiparams";
            
            // 拷贝文件到目标路径
            copyAssetToFile(context, "en_PP-OCRv3_det_infer/inference.pdmodel", detModelFile);
            copyAssetToFile(context, "en_PP-OCRv3_det_infer/inference.pdiparams", detParamsFile);
            
            // 初始化运行选项
            RuntimeOption detOption = new RuntimeOption();
            detOption.enableLiteFp16();

            // 初始化 DBDetector
            detector = new DBDetector(detModelFile, detParamsFile, detOption);
            initialized = detector.initialized();
        } catch (Exception e) {
            Log.e(Tag, "文本检测模型加载失败");
        }
    }

    // 进行文本检测
    public OCRResult detectText(Bitmap img) {
        if (!initialized) {
            Log.e(Tag, "模型未正确初始化");
            return null;
        }
        return detector.predict(img);
    }

    private void copyAssetToFile(Context context, String assetFileName, String outputPath) {
        try (InputStream in = context.getAssets().open(assetFileName);
             OutputStream out = new FileOutputStream(outputPath)) {
            byte[] buffer = new byte[1024];
            int read;
            while ((read = in.read(buffer)) != -1) {
                out.write(buffer, 0, read);
            }
            Log.d("TAG", "模型文件拷贝成功: " + outputPath);
        } catch (IOException e) {
            Log.e("TAG", "拷贝模型文件失败: " + e.getMessage());
        }
    }
}

2. 调用 detectText 方法

PPOCRHelper ocrHelper = new PPOCRHelper(context);
OCRResult result = ocrHelper.detectText(bitmap);

if (result != null) {
    int[][] detectedBoxes = result.mBoxes;  
    Log.d("OCR_RESULT", "检测出的文本框数量: " + detectedBoxes.length);
} else {
    Log.e("OCR_RESULT", "文本检测失败");
}

---

总结

✅ 仅使用文本检测（DBDetector）而不执行识别（Recognizer）
✅ 适用于已经使用其他方式进行了文本识别的场景
✅ 减少模型初始化和计算量，提高性能

如果你希望在检测到的文本区域继续进行 OCR 识别，则可以单独使用 Recognizer 并手动传入检测的文本框进行推理。

---

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

⚠️ This is an AI-generated response. Please verify any critical information.

[huangguifeng]

只做文本识别，你搞反了。而且sdk中并没有提供DBDetector目标检测，和 Recognizer 类并没有提供 predict 方法