PaddleOCR/main/version3.x/module_usage/text_recognition #15474
giscus[bot]
bot
Replies: 41 comments 53 replies
-
|
请问模型微调导出后如何使用 |
Beta Was this translation helpful? Give feedback.
-
|
您好，可以参考文本识别模块文档 https://paddlepaddle.github.io/PaddleOCR/main/version3.x/module_usage/text_recognition.html#43 中的 4.4 模型导出 部分，导出还是和之前一样的。直接执行下面的命令就可以导出。python3 tools/export_model.py -c configs/rec/PP-OCRv5/PP-OCRv5_server_rec.yml -o |
Beta Was this translation helpful? Give feedback.
-
|
请问，蒸馏模型模型如何导出呢，导出后yml文件不存在Global模型名称，paddleocr3.0找不到模型名称对应问题，包括老师模型都不存在 |
Beta Was this translation helpful? Give feedback.
-
|
您好，模型名称只是会影响到前后处理，一般蒸馏模型，不管是教师还是学生也属于模型列表中的一种，实在找不到的话，可以选择前后处理一样的任意模型名称（文本检测、识别基本上都是一样的），您那边手动在配置文件上的这个地方 加上对应的模型名称，导出后模型就有模型名称了 |
Beta Was this translation helpful? Give feedback.
-
|
或者直接在导出后的inference.yaml 里加上也可以 |
Beta Was this translation helpful? Give feedback.
-
|
导出后添加，会报错，
…---- Replied Message ----
| From | ***@***.***> |
| Date | 05/29/2025 下午7:56 |
| To | PaddlePaddle/PaddleOCR ***@***.***> |
| Cc | SHOUshou0426 ***@***.***>,
Comment ***@***.***> |
| Subject | Re: [PaddlePaddle/PaddleOCR] PaddleOCR/main/version3.x/module_usage/text_recognition (Discussion #15474) |
或者直接在导出后的inference.yaml 里加上也可以
—
Reply to this email directly, view it on GitHub, or unsubscribe.
You are receiving this because you commented.Message ID: ***@***.***>
|
Beta Was this translation helpful? Give feedback.
-
|
具体是什么错误呢？ |
Beta Was this translation helpful? Give feedback.
-
|
错误大概就是找不到模型名称，信息我是直接复制的config内的配置文件，比如en_ppocrv2_cml
…---- Replied Message ----
| From | ***@***.***> |
| Date | 05/29/2025 下午8:06 |
| To | PaddlePaddle/PaddleOCR ***@***.***> |
| Cc | SHOUshou0426 ***@***.***>,
Comment ***@***.***> |
| Subject | Re: [PaddlePaddle/PaddleOCR] PaddleOCR/main/version3.x/module_usage/text_recognition (Discussion #15474) |
具体是什么错误呢？
—
Reply to this email directly, view it on GitHub, or unsubscribe.
You are receiving this because you commented.Message ID: ***@***.***>
|
Beta Was this translation helpful? Give feedback.
-
|
我是用的是这个配置文件，进行蒸馏训练ch_PP-OCRv3_det_cml.yml
训练的时候才用的是paddle2.4版本的环境，然后发现最版本导出不了，则更新到最新的paddle 版本然后到处后没有Global 模型名称，我就将ch_PP-OCRv3_det_cml作为名称添加进行，丢错还是找不到模型名称
在 2025-05-29 20:06:47，"liuhongen1234567" ***@***.***> 写道：
具体是什么错误呢？
—
Reply to this email directly, view it on GitHub, or unsubscribe.
You are receiving this because you commented.Message ID: ***@***.***>
|
Beta Was this translation helpful? Give feedback.
-
|
您好，目前这个模型名称要从文本检测模型列表里选择，可以把模型名称设置成PP-OCRv4_mobile_det 试试呢？ |
Beta Was this translation helpful? Give feedback.
-
|
目前还有个问题就是，才用旧版本的paddlepaddle 训练的ppocrv3 的英文rec 模型，在使用最新的paddle 环境导出模型，发现效果差到极点，环境版本不一致，会出现这种问题吗，还是说我用最新版本的paddle 训练ocrv5 就不会出现这个问题呢
在 2025-05-29 20:06:47，"liuhongen1234567" ***@***.***> 写道：
具体是什么错误呢？
—
Reply to this email directly, view it on GitHub, or unsubscribe.
You are receiving this because you commented.Message ID: ***@***.***>
|
Beta Was this translation helpful? Give feedback.
-
|
训练和推理时的paddle版本尽量保持一致吧。从2.4到3.0跨度有点大，可能有些算子不一样了，用最新版的paddle训练ocrv5一般不会出现问题。 |
Beta Was this translation helpful? Give feedback.
-
|
比如我训练pcb 的文字识别，大概有1300张左右数据英文的有必要增加v5的预训练模型吗，因为英文版的v5 rec 发现字典是中英混合的
在 2025-05-29 20:29:11，"liuhongen1234567" ***@***.***> 写道：
训练和推理时的paddle版本尽量保持一致吧。从2.4到3.0跨度有点大，可能有些算子不一样了，用最新版的paddle训练ocrv5一般不会出现问题。
—
Reply to this email directly, view it on GitHub, or unsubscribe.
You are receiving this because you commented.Message ID: ***@***.***>
|
Beta Was this translation helpful? Give feedback.
-
|
在很多文档场景中，中英文都是混合的，因此v5进行了一定程度的大一统，试图一个模型解决中英繁日拼音的识别。v5其实模型上没有太大的改进，主要在训练数据集上，如果是英文的话我这边更建议用v3或v4的英文模型，1300张要从头训练应该是远远不够的。一般学术界的识别模型，都要在80甚至100w上进行预训练 |
Beta Was this translation helpful? Give feedback.
-
|
我的问题和他很像，你可以看一下他的问题，我就知道如何解决了，
在 2025-05-29 20:26:09，"liuhongen1234567" ***@***.***> 写道：
您找，目前这个模型名称要从文本检测模型列表里选择，可以把模型名称设置成PP-OCRv4_mobile_det 试试呢？
image.png (view on web)
—
Reply to this email directly, view it on GitHub, or unsubscribe.
You are receiving this because you commented.Message ID: ***@***.***>
|
Beta Was this translation helpful? Give feedback.
-
|
但是增加了预训练模型，我发现，v3的检测模型我才用了预训练模型，测试结果发现，他会多检测一些文字，但是大多数都是根据我标注的数据集的格式相似，10%是会出现多检测，和一个字母检测2-3遍，导致识别模型出现误检
在 2025-05-29 20:49:45，"liuhongen1234567" ***@***.***> 写道：
在很多文档场景中，中英文都是混合的，因此v5进行了一定程度的大一统，试图一个模型解决中英繁日拼音的识别。v5其实模型上没有太大的改进，主要在训练数据集上，如果是英文的话我这边更建议用v3或v4的英文模型，1300张要从头训练应该是远远不够的。一般学术界的识别模型，都要在80甚至100w上进行预训练
—
Reply to this email directly, view it on GitHub, or unsubscribe.
You are receiving this because you commented.Message ID: ***@***.***>
|
Beta Was this translation helpful? Give feedback.
-
|
好的，看起来您的场景比较垂类，可以多做几组实验看看吧。可能在您的场景里不加入预训练会更好一些 |
Beta Was this translation helpful? Give feedback.
-
|
paddleocr 的数据是否有增广方式呢，比如目标检测那种可以离线增广，扩充数据集的
在 2025-05-29 20:59:10，"liuhongen1234567" ***@***.***> 写道：
好的，看起来您的场景比较垂类，可以多做几组实验看看吧。可能在您的场景里不加入预训练会更好一些
—
Reply to this email directly, view it on GitHub, or unsubscribe.
You are receiving this because you commented.Message ID: ***@***.***>
|
Beta Was this translation helpful? Give feedback.
-
|
是否有相关的ocr 离线增广的相关demo呢或者资料
在 2025-05-29 20:59:10，"liuhongen1234567" ***@***.***> 写道：
好的，看起来您的场景比较垂类，可以多做几组实验看看吧。可能在您的场景里不加入预训练会更好一些
—
Reply to this email directly, view it on GitHub, or unsubscribe.
You are receiving this because you commented.Message ID: ***@***.***>
|
Beta Was this translation helpful? Give feedback.
-
|
您好，这边还有个问题，训练PPOCR det 模型，模型input的size 从最初配置文件960更改为224，训练完成，使用官方给出的python 代码需要指定input_size 吗，还是说text_det_limit_side_len要指定为224
在 2025-05-29 20:59:10，"liuhongen1234567" ***@***.***> 写道：
好的，看起来您的场景比较垂类，可以多做几组实验看看吧。可能在您的场景里不加入预训练会更好一些
—
Reply to this email directly, view it on GitHub, or unsubscribe.
You are receiving this because you commented.Message ID: ***@***.***>
|
Beta Was this translation helpful? Give feedback.
-
|
您好，这个参数最好和训练保持一致吧。text_det_limit_side_len设置为224，效果应该会更好一些。当然这个参数和实际的测试图像有关，可以根据实际情况进行调整。 |
Beta Was this translation helpful? Give feedback.
-
|
老师你好，请问微调时数据量比较小（一千多张训练图片），怎么冻结前面层，只训练后面几层？在哪里可以进行配置 |
Beta Was this translation helpful? Give feedback.
-
|
比方冻结backbone和neck，只训练head，可以从哪里进行配置呢？有无示例，期待回复！ |
Beta Was this translation helpful? Give feedback.
-
|
您好，具体到某一层的冻结可以参考这个issue https://github.com/PaddlePaddle/PaddleOCR/issues/9486， paddleocr内置的冻结是针对模型蒸馏的 |
Beta Was this translation helpful? Give feedback.
-
|
您好，请问识别图片中多行文字失效应该如何解决 |
Beta Was this translation helpful? Give feedback.
-
|
您好，多行文本建议直接使用PP-OCRv5 产线 https://paddlepaddle.github.io/PaddleOCR/latest/version3.x/pipeline_usage/OCR.html，先进行检测再进行识别。 |
Beta Was this translation helpful? Give feedback.
-
|
您好，PPOCRV5提出的实例代码，显示支持tensorrt ，我使用trt 推理则显示trt8的一些操作缺少AttributeError: 'tensorrt.tensorrt.IBuilderConfig' object has no attribute 'set_memory_pool_limit'
环境：
CUDA:11.2
CUDNN:8.4.1.50
TensorRT：8.0.1.6
trt 官方的samples 是没有问题的可以正常测试
以下是trt 报错，并且中间打印了一些关于算子的东西，我不确定是不是算子也有问题，下面是我的ocr实例代码里面展现了使用的模型
在 2025-06-03 17:27:57，"liuhongen1234567" ***@***.***> 写道：
您好， /usr/local/lib/python3.10/dist-packages/paddlex/inference/models/text_detection/processors.py 中的 DBPostProcess 有一个检测框过滤的操作，不知道是不是您所需要的。
—
Reply to this email directly, view it on GitHub, or unsubscribe.
You are receiving this because you commented.
在 2025-06-04 17:00:20，"liuhongen1234567" ***@***.***> 写道：
您好，多行文本建议直接使用PP-OCRv5 产线 https://paddlepaddle.github.io/PaddleOCR/latest/version3.x/pipeline_usage/OCR.html，先进行检测再进行识别。
—
Reply to this email directly, view it on GitHub, or unsubscribe.
You are receiving this because you commented.Message ID: ***@***.***>
|
Beta Was this translation helpful? Give feedback.
-
|
你好，我遇到了两个问题： 报错如下： 如果使用命令行又可以正确运行： |
Beta Was this translation helpful? Give feedback.
-
|
请问用paddle升级到了3.1，还能用原本用2.6版本微调得rec模型推理么，好像会有问题 |
Beta Was this translation helpful? Give feedback.
-
|
您好，最好在 paddle3.1 重新导出一下2.6训练好的模型。对于有些模型，确实不同paddle版本会有问题 |
Beta Was this translation helpful? Give feedback.
-
|
谢谢你， 可以推理啦，但是发现效果没有paddle2.6原有得环境好，这是为什么呢 |
Beta Was this translation helpful? Give feedback.
-
|
paddle3.1 和paddle2.6的算子有些更改，所以效果没有2.6的效果好 |
Beta Was this translation helpful? Give feedback.
-
|
您好，可能是模型格式的问题，paddleocr默认导出的是json格式的模型。可以参考这个讨论#15419 (reply in thread) 导出pdmodel模型试一下。 |
Beta Was this translation helpful? Give feedback.
-
|
mobile v5版本， 用自己数据训练后， 会出现空格缺失的问题，数据集有空格的数据，中英都有带空格的， 用paddleocr推理的，请问是什么原因？ |
Beta Was this translation helpful? Give feedback.
-
|
您好， v5 的是否使用空格字符默认是开着的，可以再检查下label文件里是否用空格。另外中英文混合本身对空格识别来说是比较困难的，需要大量的数据去训练。空格缺失可能是数据量少，泛化能力不够。如果英文需要空格，可以单独微调v5的latin语言模型 https://paddlepaddle.github.io/PaddleOCR/latest/version3.x/algorithm/PP-OCRv5/PP-OCRv5_multi_languages.html。 |
Beta Was this translation helpful? Give feedback.
-
|
use_space_char是开着的， 那可能是数据量不够大，手写的中英数据在30w张左右。 微调训练越久，空格就越容易丢 |
Beta Was this translation helpful? Give feedback.
-
|
您好，看起来是paddle版本的问题，目前我这边paddle3.0使用demo数据集是可以正常训练的，文本识别需要涉及到一些特殊字符，比如开始符、结束符、填充符，所以模型的类别略多于字典的字符个数是正常的。
鸿飞万里
***@***.***
…------------------ 原始邮件 ------------------
发件人: ***@***.***>;
发送时间: 2025年7月17日(星期四) 中午1:44
收件人: ***@***.***>;
抄送: ***@***.***>; ***@***.***>;
主题: Re: [PaddlePaddle/PaddleOCR] PaddleOCR/main/version3.x/module_usage/text_recognition (Discussion #15474)
wc -l ./ppocr/utils/dict/ppocrv5_dict.txt
18383 ./ppocr/utils/dict/ppocrv5_dict.txt
ppocrv5_dict.txt的字符个数是18383，而wget https://paddle-model-ecology.bj.bcebos.com/paddlex/official_pretrained_model/PP-OCRv5_server_rec_pretrained.pdparams 下载的预训练模型需要是18389的，训练的时候报错
[2025/07/17 05:43:33] ppocr INFO: train with paddle 2.5.2 and device Place(gpu:0)
[2025/07/17 05:43:33] ppocr INFO: Initialize indexes of datasets:['../00.SampleDataset/ocr_rec_dataset_examples/train.txt']
[2025/07/17 05:43:33] ppocr INFO: Initialize indexes of datasets:['../00.SampleDataset/ocr_rec_dataset_examples/val.txt']
W0717 05:43:33.289924 583 gpu_resources.cc:119] Please NOTE: device: 0, GPU Compute Capability: 8.9, Driver API Version: 12.2, Runtime API Version: 12.0
W0717 05:43:33.290535 583 gpu_resources.cc:149] device: 0, cuDNN Version: 8.9.
[2025/07/17 05:43:33] ppocr INFO: train dataloader has 51 iters
[2025/07/17 05:43:33] ppocr INFO: valid dataloader has 17 iters
[2025/07/17 05:43:33] ppocr INFO: load pretrain successful from ./pretrain/PP-OCRv5_server_rec_pretrained
[2025/07/17 05:43:33] ppocr INFO: During the training process, after the 0th iteration, an evaluation is run every 2000 iterations
Error: ../paddle/phi/kernels/gpu/embedding_kernel.cu:41 Assertion id < N failed. Id should smaller than 18389 but received an id value: 4635217965677641761.
—
Reply to this email directly, view it on GitHub, or unsubscribe.
You are receiving this because you commented.Message ID: ***@***.***>
|
Beta Was this translation helpful? Give feedback.
-
|
请问在训练过程中gpu的性能曲线是锯齿形是为什么呢？ |
Beta Was this translation helpful? Give feedback.
-
|
Traceback (most recent call last): |
Beta Was this translation helpful? Give feedback.
-
|
您好，请问配置文件是否有所修改？自建的数据集label是否可以提供给截图呢？ |
Beta Was this translation helpful? Give feedback.
-
|
Global: Optimizer: Architecture: Loss: PostProcess: Metric: Train: |
Beta Was this translation helpful? Give feedback.
-
|
crop_img/frame_1648_obj_0_inside_0.85_crop_0.jpg 45 |
Beta Was this translation helpful? Give feedback.
-
|
分别是配置文件和label，谢谢您 |
Beta Was this translation helpful? Give feedback.
-
|
训练rec模型，我的资料集字数较多，因此我修改yml档案如下: 训练后acc收敛至约0.93，但当我使用tools/eval.py评估时，acc永远为0，请问是哪边需要调整吗? |
Beta Was this translation helpful? Give feedback.
-
|
您好，可以检查一下其他地方的 max_text_length 是否有同步修改，或者在这个地方 PaddleOCR/ppocr/metrics/rec_metric.py Line 52 in 0d78401 |
Beta Was this translation helpful? Give feedback.
-
|
请问如何导出onnx模型呢？ |
Beta Was this translation helpful? Give feedback.
-
|
您好，onnx模型可以参考 文档 https://www.paddleocr.ai/main/version3.x/deployment/obtaining_onnx_models.html |
Beta Was this translation helpful? Give feedback.
-
|
现在需要识别的中英文文本中，会大量存在空格没有识别到的情况。然后我重新标注了空格没有识别到的文本，数据集中大概2900张图片，训练后空格问题解决了，但是又会存在文本检测错误或者漏检的问题，请问这是什么原因造成的呢？ |
Beta Was this translation helpful? Give feedback.
-
|
请问PP-OCRv5模型如何使其只识别水平方向的文本，现在的文本都是水平方向的文本，但存在一些上下连着很近的文本，模型将垂直方向的两个文本识别为一个文本。请问如何调整使模型不识别垂直方向的文本？ |
Beta Was this translation helpful? Give feedback.
-
|
您好，根据描述看起来是检测部分的问题，建议补充相关数据微调吧，如果是识别部分的问题，可以使用文本行方向分类模型判断一下文本方向 |
Beta Was this translation helpful? Give feedback.
-
|
下载PP-OCRv5_server_rec本地调用，怎么制定本地的字典？ |
Beta Was this translation helpful? Give feedback.
-
|
您好，PP-OCRv5_server_rec的字典文件存储在下载模型权重文件的inference.yaml里，不支持字典文件的修改。如果需要制定本地字典，建议基于训练权重进行微调 |
Beta Was this translation helpful? Give feedback.
-
|
请问一下我报错FileNotFoundError: [Errno 2] No such file or directory: './train_data/train_list.txt'是什么情况呢，我下载的ocr_rec_dataset_examples.tar里面也没有这个文件呢。具体日志如下： |
Beta Was this translation helpful? Give feedback.
-
|
您好，配置文件中的Train和Eval 下的 data_dir 和 label_file_list 需要根据数据集实际路径进行修改。比如：对于 ocr_rec_dataset_examples.tar 需要修改： Train:
dataset:
name: MultiScaleDataSet
ds_width: false
data_dir: ocr_rec_dataset_examples
ext_op_transform_idx: 1
label_file_list:
- ocr_rec_dataset_examples/train.txt
···
Eval:
dataset:
name: SimpleDataSet
data_dir: ocr_rec_dataset_examples
label_file_list:
- ocr_rec_dataset_examples/val.txt |
Beta Was this translation helpful? Give feedback.
-
谢谢大佬，我昨天已经看到了，我自己修改了下，可以成功训练了 |
Beta Was this translation helpful? Give feedback.
-
|
Beta Was this translation helpful? Give feedback.
-
|
这是配置：Global:
|
Beta Was this translation helpful? Give feedback.
-
|
“字典中的transcription表示该文本框的文字，若transcription 的内容为“###”时，表示该文本框无效，不参与训练。“这句仅仅是针对微调文本检测模型时的图像标注？而想要微调文本识别模型时不应将无关的文本内容标注为###?因为此时并不代表该文本框无效而是代表该文本框内的文字的ground_truth?那么我如果我想要微调文本识别模型并且想让它能忽略无关文本只专注某些文本时该怎么做？是在标注的时候只标注感兴趣的文本(感兴趣但识别不准)还是在微调文本识别模型的时候通过参数指定经过微调后的文本检测模型而不是使用默认的文本检测模型？ |
Beta Was this translation helpful? Give feedback.
-
|
现在OVRv5的识别模型，为何微调训练后的模型识别精度严重下降，之前可以识别的文本现在都会识别错误，是要进行什么冻结操作吗？ Optimizer: Architecture:
Loss:
PostProcess: Metric: Train:
这是我现在的.yaml文件，现在微调是为了解决模型识别不到数字与字母之间空格的问题，训练后发现空格可以识别到了，但是现在模型检测识别原先的文本会出现很多错误。 |
Beta Was this translation helpful? Give feedback.
-
|
静态图模型可以直接集成到 PaddleOCR 的 API 中，这一步具体咱实现？ |
Beta Was this translation helpful? Give feedback.
-
|
您好，可以通过指定 model_name 和 model_dir 来将官方模型替换为在私有数据集微调后的模型，比如： from paddleocr import PaddleOCR
ocr = PaddleOCR(
text_detection_model_name="XXX",
text_detection_model_dir= "XXX",
text_recognition_model_name="XXX",
text_recognition_model_dir="XXX",
use_doc_orientation_classify=False,
use_doc_unwarping=False,
use_textline_orientation=False,
)
result = ocr.predict("./general_ocr_002.png")
for res in result:
res.print()
res.save_to_img("output")
res.save_to_json("output")这里，微调模型必须是官方支持的模型列表 |
Beta Was this translation helpful? Give feedback.
and others
Uh oh!
There was an error while loading. Please reload this page.
-
PaddleOCR/main/version3.x/module_usage/text_recognition
Awesome multilingual OCR toolkits based on PaddlePaddle (practical ultra lightweight OCR system, support 80+ languages recognition, provide data annotation and synthesis tools, support training and deployment among server, mobile, embedded and IoT devices)
https://paddlepaddle.github.io/PaddleOCR/main/version3.x/module_usage/text_recognition.html
Beta Was this translation helpful? Give feedback.
All reactions