当前位置：首页 > news >正文

PaddleOCR的Pytorch推理模块

news 来源：原创 2025/7/1 21:58:21

概述

在项目中，遇到文字识别OCR的使用场景。

然而，目前效果最好的PaddleOCR只能用百度的PaddlePaddle框架运行。

常见项目中，往往使用更普遍的Pytorch框架，单独安装PaddlePaddle不仅会让项目过于臃肿，而且可能存在冲突问题。

在前文拆解MinerU结构时，发现其用了基于PaddleOCR2Pytorch项目转换的PaddleOCR-v4的torch版本。

于是将此部分单独提取出来，做了一些解耦优化，单独构建了一个仓库，方便和其它项目进行集成。

仓库地址：https://github.com/zstar1003/PaddleOCR-Torch-Infer

所用模型

检测模型：ch_PP-OCRv4_det_infer.pth
识别模型：ch_PP-OCRv4_rec_infer.pth
字典文件：ppocr_keys_v1.txt

使用方法

安装依赖

安装uv包管理器

建议使用uv来管理依赖环境，若未安装uv，可通过pip进行安装：

pip install uv

创建虚拟环境

uv venv --python 3.10

激活虚拟环境

.\.venv\Scripts\activate

根据uv.lock安装依赖

uv sync

命令行参数

--data_path：必需参数，指定输入图片路径或目录路径
--save_path：可选参数，指定保存结果的路径或目录
--show_confidence：可选参数，是否在结果图像中显示置信度（默认不显示）

单图片处理

python infer.py --data_path test_img/general_ocr_rec_001.png --save_path output/result.png

目录批量处理

python infer.py --data_path test_img --save_path output

识别效果展示

中文识别

英文识别

中文繁体

PP-OCRv5前瞻

PP-OCRv5简介

有意思的是，当我昨天写完准备发这篇文章时，突然看见PP-OCRv5发布(上一次发布v4在2024.02.20)。

根据官方介绍[11，PP-OCRv5的主要有以下优势：

1.单模型支持5种文字类型（简体中文、繁体中文、中文拼音、英文和日文）
2.支持复杂手写体识别
3.比上一版本PP-OCRv4，识别精度提升13个百分点

在业务多场景高难度文字识别评估集上的评估结果

不同场景的模型准确率

PP-OCRv5模型结构

根据模型的结构配置文件，可以看出，v5和v4的算法和Head部分没有显著差异，核心是修改了Backbone的网络结构。

v4-v5架构对比图

新的PPHGNetV2_B4结构在
ppocr\modeling\backbones\rec_pphgnetv2.py

理论上，用pytorch将该backbone重新实现，就可以进行模型转换。

于是Fork了PaddleOCR2Pytorch这个仓库，尝试用Agent帮我转换了一下。

仓库地址：https://github.com/zstar1003/PaddleOCR2Pytorch

结果发现，能够转换成pth文件，但存在不少参数对齐的问题。

捣鼓了一晚上，发觉还需要投入很多精力去深入了解、精调对其参数结构，遂放弃，等高人解决。

参考

1.PP-OCRv5官方文档：https://github.com/PaddlePaddle/PaddleOCR/blob/main/docs/version3.x/algorithm/PP-OCRv5/PP-OCRv5.md

2.PaddleOCR: https://github.com/PaddlePaddle/PaddleOCR)

3.PaddleOCR2Pytorch: https://github.com/frotms/PaddleOCR2Pytorch

4.MinerU: https://github.com/opendatalab/MinerU

PaddleOCR的Pytorch推理模块

概述在项目中，遇到文字识别OCR的使用场景。然而，目前效果最好的PaddleOCR只能用百度的PaddlePaddle框架运行。常见项目中，往往使用更普遍的Pytorch框架，单独安装PaddlePaddle不仅会让项目过于臃肿，而且可能存在冲…...

编程日记 2025/7/1 21:58:21

操作系统期末复习（一）

一、选择 1.从用户的观点看，操作系统是（） A.用户与计算机之间的接口 B.控制和管理计算机资源的软件 C.合理地组织计算机工作流程的软件由若干层次的程序按一定的结构组成的有机体答案：A 2.操作系统在计算机系统中位于&#x…...

编程日记 2025/7/1 21:49:31

今日行情明日机会——20250521

上证指数缩量收阳线，个股跌多涨少，整体处于日线上涨末端，注意风险。深证指数，出现60分钟的顶分型，需要观察方向的选择。 2025年5月21日涨停股主要行业方向分析并购重组涨停家数：9家。代表标的&am…...

编程日记 2025/6/27 22:59:52

传统Spring MVC + RESTful 与 Vue3 结合 JWT Token 验证的示例

以下是针对非Spring Boot项目（传统Spring MVC）的示例一、项目结构 src/ ├── main/ │ ├── java/ │ │ └── com/ │ │ └── example/ │ │ ├── config/ # 配置类目录 │ │ │ ├─…...

编程日记 2025/7/1 20:49:20

使用Redis的Bitmap实现了签到功能

思路分析我们可以把年和月作为BitMap的key，然后保存到一个BitMap中，每次签到就到对应的位上把数字从0 变为1，只要是1，就代表是这一天签到了，反之咋没有签到。关键问题问题一： 什么叫做连续签到天数…...

编程日记 2025/7/1 20:29:59

Unity-编辑器扩展-其二

今天我们来基于之前提到的编辑器扩展的内容来做一些有实际用处的内容： 检查丢失的组件首先是一个比较实际的内容：当我们在做项目时，经常会涉及到预设体在不同项目或者不同文件路径下的转移，这个时候很容易在某个具体的prefab对…...

编程日记 2025/7/1 19:42:42

项目中Warmup耗时高该如何操作处理

1）项目中Warmup耗时高该如何操作处理 2）如何在卸载资源后Untracked和Other的内存都回收 3）总Triangles的值是否包含了通过GPU Instancing画的三角形 4）有没有用Lua来修复虚幻引擎中对C代码进行插桩Hook的方案这是第432篇UWA技术知…...

编程日记 2025/7/1 19:38:23

php://filter的trick

php://filter流最常见的用法就是文件包含读取文件，但是它不止可以用来读取文件，还可以和RCE，XXE，反序列化等进行组合利用 filter协议介绍 php://filter是php独有的一种协议，它是一种过滤器，可以作为一个中…...

编程日记 2025/7/1 20:22:01

STM32 I2C硬件读写

一、I2C外设简介 STM32内部集成了硬件I2C收发电路，可以由硬件自动执行时钟生成、起始终止条件生成、应答位收发、数据收发等功能，减轻CPU的负担支持多主机模型（固定多主机、可变多主机）支持7位/10位地址模式支持不同的通讯速度&a…...

编程日记 2025/7/1 20:00:36

Qt+线段拖曳示例代码

Qt线段拖曳示例代码，功能见下图。代码如下： canvaswidget.h #ifndef CANVASWIDGET_H #define CANVASWIDGET_H#include <QWidget> #include <QPainter> #include <QMouseEvent> #include <QVector>class CanvasWidget : publi…...

编程日记 2025/7/1 20:38:41

计算机网络相关面试题

一、HTTP1.1和HTTP2的区别 HTTP/1（主要指 HTTP/1.1）和 HTTP/2 是 Web 协议发展中的两个重要版本，二者在性能、协议机制和功能特性上有显著差异。以下从多个维度对比分析，并结合具体案例说明： 一、连接与请求处理方式 1…...

编程日记 2025/7/1 19:59:52

docker中部署Universal Media Server (UMS)

Universal Media Server (UMS) 本身主要是作为桌面服务程序开发的（主要面向 Java GUI DLNA 播放），但确实可以通过 Docker 进行部署。虽然官方没有提供 Docker 镜像，但社区有一些可用的方式可以在 Docker 中运行它。下面是一个可…...

编程日记 2025/7/1 20:17:44

WordPress Elementor零基础教程

一、WordPress Elementor 是什么？—— 可视化网站搭建 “积木工具箱” 基础定义 Elementor 是 WordPress 的一款可视化页面构建插件，就如同网站搭建领域的 “PPT 编辑器”。它能让你无需编写代码，仅通过拖放模块（像图片、文本、…...

编程日记 2025/7/1 20:22:49

鸿蒙UI开发——实现一个上拉抽屉效果

1、概述在项目开发中，我们可能会遇到临时交互的场景（即：弹出一个临时交互框，交互完毕后继续用户的主流程），效果如下： 在ArkUI中，此类弹出窗被称为“半模态页面”，ArkU…...

编程日记 2025/6/30 12:30:18

详细介绍Qwen3技术报告中提到的模型架构技术

详细介绍Qwen3技术报告中提到的一些主流模型架构技术，并为核心流程配上相关的LaTeX公式。这些技术都是当前大型语言模型（LLM）领域为了提升模型性能、训练效率、推理速度或稳定性而采用的关键组件。 1. Grouped Query Attention (GQA) - 分组…...

编程日记 2025/7/1 19:37:42

docker面试题（3）

如何临时退出一个正在交互的容器的终端，而不终止它按ctrlp，后按ctrlq ，如果按ctrlc会使容器内的应用进程终止，进而会使容器终止很多应用容器都默认是后台运行的，怎么查看它们输出的日志信息使用docker logs &#…...

编程日记 2025/7/1 19:44:58

2025年二级等保实施全攻略：传统架构与云等保方案深度解析

2025年，随着《网络安全法》的深化落实和等保2.0标准的全面推行，二级等保已成为中小企业及非核心业务系统的合规基线。如何在高效满足监管要求的同时，兼顾成本与安全效能？本文将结合最新政策与实战经验，从传统架构到云等…...

编程日记 2025/7/1 20:00:36

技术点对比

数据库数据库程序在线访问与ORM访问的对比数据库程序在线ORM访问优点性能好性能差可以处理复杂sql缺点性能： 复杂sql支持： 开发成本： 架构风格管道-过滤器风格与数据仓库风格对比管道-过滤器风格数据仓储风格备注交互方式顺序结构…...

编程日记 2025/7/1 21:00:40

自监督学习与监督学习

🔍 一、监督学习 vs 自监督学习：核心区别维度监督学习（Supervised Learning）自监督学习（Self-Supervised Learning）是否需要人工标注的标签✅ 需要，如分类标签、边界框等❌ 不需要&#xff0c…...

编程日记 2025/7/1 21:19:22

package myjdbc; import com.mysql.jdbc.Driver; import java.sql.Connection; import java.sql.SQLException; import java.sql.Statement; import java.util.Properties; /*** 练习JDBC，完成一些简单的操作。*/ public class jdbc01 {public static void main(Str…...

编程日记 2025/7/1 19:47:22

UML 活动图 (Activity Diagram) 使用案例

UML 活动图使用案例 UML 活动图 (Activity Diagram) 使用案例活动图的主要元素典型使用案例1. 用户登录流程2. 在线购物流程3. 订单处理系统4. 文件审批流程活动图的优势何时使用活动图 UML 活动图 (Activity Diagram) 使用案例活动图是UML中用于描述业务流程或系统工作流程…...

编程日记 2025/7/1 5:55:25

回溯法求解N皇后问题

目录前言一、回溯法是什么？ 二、N皇后问题描述分析解题思路三、算法设计 1、递归法 2、非递归法总结前言本文将从递归形式和非递归形式两种方法来介绍求解N皇后问题的回溯法，后续也会更新更多有关算法分析这方面的问题欢迎大家关注~&#x1f929…...

编程日记 2025/7/1 20:19:07

网络流量分析工具ntopng的安装与基本使用

网络流量分析工具ntopng的安装与基本使用一、ntopng基本介绍1.1 ntopng简介1.2 主要特点1.3 使用场景二、本地环境介绍2.1 本地环境规划2.2 本次实践介绍三、安装ntopng工具3.1 官网地址3.2 配置软件源3.3 添加软件源3.4 安装ntopng 四、ntopng的基本配置4.1 修改配置文件4.…...

编程日记 2025/7/1 20:17:46

新导游入行规范与职业发展指导

随着旅游行业的蓬勃发展，导游作为旅游服务的重要环节，其职业素养和专业能力备受关注。对于新入行的导游而言，了解行业规范，明确职业发展方向，是开启职业生涯的重要一步。一、严格遵守行业规范持证上岗&#xf…...

编程日记 2025/6/29 11:02:40

数据结构与算法——堆

堆树树的概念与结构树的相关术语树的表示树形结构实际运用场景二叉树概念与结构特殊的二叉树满二叉树完全二叉树二叉树存储结构顺序结构链式结构实现顺序结构二叉树堆的概念与结构堆的实现向上调整算法（插入数据）向下调整算法堆的应用堆排序(建堆)向…...

编程日记 2025/7/1 20:59:50

【写在创作纪念日】基于SpringBoot和PostGIS的各省东西南北四至极点区县可视化

目录前言一、空间检索简介 1、空间表结构 2、四至空间检索二、前后端实现 1、后端实现 2、前端集成三、成果展示 1、东部省份 2、西部省份 3、南部省份 4、北部省份 5、中部省份四、总结前言在当今数字化时代，地理信息数据的分析与可视化对于众…...

编程日记 2025/7/1 20:21:11

AI驱动新增长：亚马逊Rufus广告点击率提升300%的奥秘

在生成式人工智能迅速融入商业应用的背景下，全球跨境电商巨头亚马逊（Amazon）正以前所未有的速度重构其广告生态。2024年第一季度，据亚马逊官方披露，通过部署内部开发的AI购物助手“Rufus”，其平台部分广告点…...

编程日记 2025/7/1 4:16:47

osgEarth中视角由跟随模式切换到漫游模式后没有鼠标拖拽功能问题分析及解决方法

遇到了一个棘手的问题，就是在由跟随模式切换到漫游模式的时候，鼠标无法实现拖拽功能。后来发现是前面给自己挖的坑。因为要实现鼠标点选某个模型后，模型需要变红色显示，所以添加了一个事件处理程序。 // 创建场景中模型的点选功能事件处理程序 ModelSelectionHandler* …...

编程日记 2025/6/27 22:54:10

网页 HTML布局（详解）

本篇讲的是：构成网页的三要素中的HTML HTML的基本结构标签： html标签：网页的整体 head标签：网页的头部 body标签：网页的身体 title标签：网页的标题一般我们新建一个HTML就会带有这些基本的标签&#xff1a…...

编程日记 2025/6/30 16:31:00

为什么可以不重写m1方法

在 Java 中，当一个类继承另一个类并同时实现接口时，如果接口中的方法签名与父类中的方法签名完全相同（包括方法名、参数列表和返回类型），那么父类的方法会自动满足接口的实现要求，子类无需显式重写该方法。…...

编程日记 2025/6/29 5:07:24

深入解析应用程序分层及 BaseDao 的封装策略

目录 1. 应用程序分层 1.1. 应用程序分层简介 1.1.1. 三层结构 1.1.2. 分层的优点 1.1.3. 分层命名 1.2. 应用程序分层实现 1.3. 在分层项目中实现查询业务 2. 封装通用的BaseDao 2.1. 封装通用的DML操作 2.2. 封装通用的查询操作 3. 总结前言本文讲解JDBC中的应用…...

编程日记 2025/6/27 23:08:14

物理机做完bond后network服务重启失败

问题描述： 物理机通过systemctl status network.service查看网络服务情况，服务状态为failed，报错：Failed to start LSB: Bring up/down netw 问题分析： 1、network服务于NetworkManager服务冲突 2、未使用的网卡没…...

编程日记 2025/6/27 23:05:42

AGI大模型（30）：LangChain链的基本使用

为开发更复杂的应用程序，需要使用Chain来链接LangChain中的各个组件和功能，包括模型之间的链接以及模型与其他组件之间的链接。链在内部把一系列的功能进行封装，而链的外部则又可以组合串联。链其实可以被视为LangChain中的一种基本功能单元。 API地址：https://python.…...

编程日记 2025/6/27 23:31:00

什么导致ERP系统中BOM表频繁出错？关键因素与解决路径

企业引入 ERP 系统后，常因 BOM（物料清单）维护不规范导致计划混乱、成本失控等问题。部分工厂依赖手工录入 BOM 数据，存在版本管理缺失、替代物料未标注等现象，使得 MRP 计划出错率高，生产效率与质量双降。解…...

编程日记 2025/6/27 23:12:47

(vue)前端实现下载后端提供的URL文件

(vue)前端实现下载后端提供的URL文件动态创建： function downloadFile(url, filename) {const a document.createElement(a)a.href urla.download filename || download // 设置下载文件名document.body.appendChild(a)a.click()document.body.removeChild(a) …...

编程日记 2025/6/27 22:53:40

Axure通过下拉框选项改变，控制字段显隐藏

要求：要求选择钢铁行业时，字段1显示，字段2、字段3隐藏，选择水泥行业时，字段2显示，字段1、字段3隐藏，选择发电行业时，字段3显示，字段1、字段2隐藏。 1、首先Axure拖入一个…...

编程日记 2025/6/27 23:35:42

Axure应用交互设计：动态面板嵌套实现超强体验感菜单表头

亲爱的小伙伴，在您浏览之前，烦请关注一下，在此深表感谢！如有帮助请订阅专栏！ Axure产品经理精品视频课已登录CSDN可点击学习https://edu.csdn.net/course/detail/40420 课程主题：动态面板嵌套主要内容：利用动态面板多层嵌套实现菜单表头应用场景：广泛应用于表单表…...

编程日记 2025/6/27 23:23:19

CICD遇到npm error code EINTEGRITY的问题

场景 CICD编译时抛出npm error code EINTEGRITY的错误 npm error code EINTEGRITY npm error sha512-PlhdFcillOINfeV7Ni6oF1TAEayyZBoZ8bcshTHqOYJYlrqzRK5hagpagky5o4HfCzzd1TRkXPMFq6cKk9rGmA integrity checksum failed when using sha512: wanted sha512-PlhdFcillOINfeV…...

编程日记 2025/6/27 21:03:01

C# AI(Trae工具+claude3.5-sonnet) 写前后端

这是一个AI 写的前后端分离项目,通过AI编程，开发电商管理系统（登陆、注册） 使用的AI工具为 Trae工具(字节国际版)claude3.5-sonnet(目前代码最强模型) 前端为 vue3Bootstrap 后端为 C# net5.0(因为我电脑里面已经安装了这个新版更好) do…...

编程日记 2025/6/27 22:53:18

leetcode 25. Reverse Nodes in k-Group

25. Reverse Nodes in k-Group 递归法： /*** Definition for singly-linked list.* struct ListNode {* int val;* ListNode *next;* ListNode() : val(0), next(nullptr) {}* ListNode(int x) : val(x), next(nullptr) {}* ListNode(int x, L…...

编程日记 2025/6/27 23:09:57

PHP伪随机数

在我们现实生活中由于一些物理原因产生的随机数才是真正的随机数，比如掷钱币、骰子、转轮、使用电子元件的噪音、核裂变等等。而对于计算机来说，真正的随机数是不存在的，因为无法通过电信号来实现上面提到的物理过程，对于计算机来…...

编程日记 2025/6/27 23:11:17

vue3 threejs 物体发光描边

threejs官网案例： three.js examples 我的代码（标注了重点代码，加上即可） <template><div class"greenhouse" ref"canvasContainerRef"></div></template><script setup> im…...

编程日记 2025/6/27 23:25:02

java的synchronized 原理及功能

简介： Java中的synchronized关键字是一种同步机制，用于控制多个线程对共享资源的访问。原理： 在Java锁有一个内部锁 Intrinsic Lock，也称为监视器锁或管程锁，每个Java对象都有一个关联的监视器锁，隐式锁…...

编程日记 2025/6/27 23:04:24

【Leetcode 每日一题】3356. 零数组变换 II

问题背景给你一个长度为 n n n 的整数数组 n u m s nums nums 和一个二维数组 q u e r i e s queries queries，其中 q u e r i e s [ i ] [ l i , r i , v a l i ] queries[i] [l_i, r_i, val_i] queries[i][li,ri,vali]。每个 q u e r i e s [ i ]…...

编程日记 2025/6/27 22:53:11

LangChain入门和应用#1

LangChain 是一个全方位的、基于大语言模型这种预测能力的应用开发工具，它的灵活性和模块化特性使得处理语言模型变得极其简便。不论你在何时何地，都能利用它流畅地调用语言模型，并基于语言模型的“预测”或者说“推理”能力开发新的应用 La…...

编程日记 2025/6/27 22:52:17

[每日一题] 3356. 零数组变换ii

文章目录 1. 题目链接2. 题目描述3. 题目示例4. 解题思路5. 题解代码6. 复杂度分析 1. 题目链接 3356. 零数组变换 II - 力扣（LeetCode） 2. 题目描述给你一个长度为 n 的整数数组 nums 和一个二维数组 queries，其中 queries[i] [li, ri, va…...

编程日记 2025/6/27 23:07:12

Docker网关冲突导致容器启动网络异常解决方案

一、故障现象执行docker-compose up命令时服务器网络中断控制台显示"Creating network xxxxxxx with the default driver"通过ifconfig可见docker0网卡docker network ls显示新创建的网络接口二、根本原因 Docker服务默认创建docker0虚拟网卡（默认地…...

编程日记 2025/6/27 22:52:15