- DEBUG_IMAGE_SYSTEM.md: 'path_config.py' → 'douyin/core/path_config.py' - ocr_engine_decision.md: 'Underlying_Operations.py' → 'douyin/core/underlying_operations.py' 至此活文档(除 docs/完整技术文档.md 头部对照表里的旧→新示例外)已无 裸路径残留。 Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
3.9 KiB
3.9 KiB
OCR 引擎选型决策记录
2026-05 决策依据。基于 ~30 张项目截图实测对比,决定换掉 EasyOCR,统一用 PaddleOCR PP-OCRv4_mobile。
结论
| 引擎 | 平均/张 | 关键图精度 | 选用 |
|---|---|---|---|
| PaddleOCR v4-mobile | 369ms | ✅ 12 段全对 | 首选 |
| PaddleOCR v5-mobile | 407ms | ⚠️ 偶尔合并段落 | 略差 |
| RapidOCR-ONNX | 1494ms | ✅ 12 段全对 | 兜底 |
| PaddleOCR v5-server | 2395ms | ⚠️ 多噪声字符 | 不用(重型) |
| EasyOCR | 629ms | ❌ "官方保障"→"膏方保腰" | 回退 |
| PaddleOCR v4-server | 2721ms | ⚠️ 切分错误 | 不用(重型) |
业务图都是裁切后的小区域(300×120 倒计时框、600×260 内容框),mobile 模型完胜 server 模型。
关键修复:Win + Paddle 3.x oneDNN+PIR bug
ConvertPirAttribute2RuntimeAttribute not support pir::ArrayAttribute<pir::DoubleAttribute> 在 paddle 3.3 + paddleocr 3.5 + Win 必现。
实测结论:
- ❌
FLAGS_enable_pir_in_executor=0修不掉(PIR 已强制默认) - ❌ paddleocr 3.x 强制要 paddle 3.x,不能降级
- ✅
enable_mkldnn=False是当前唯一可行解,代价是 CPU 推理慢 20-30%
代码里在 operations/ocr_operations.py 模块顶层设置 FLAGS_use_mkldnn=false + enable_mkldnn=False。等 paddle 上游补全 onednn_instruction.cc:118 的属性转换分支后可以删掉这行。
已知次优配置
- PaddleOCR
predict()是 3.x 推荐 API,ocr()仍兼容(代码做了运行时检测) - 自定义"放大+锐化+对比度增强"预处理对 PaddleOCR 是负优化(实测
coupon_full_title输出全全场通用重复字、coupon_limit多出工品噪声),已删除。PaddleOCR 内部的 resize/normalize 已经够用
速度数据(19 张 + 11 张混合裁切框,CPU 模式)
速度横向对比(按场景分组的代表数据)
| 图片类型 | v4-mobile | v5-mobile | EasyOCR |
|---|---|---|---|
| 复杂多文字(coupon.png 整图) | 2293ms | 2148ms | 2168ms |
| 长文字行(banner_long.png) | 898ms | 910ms | 451ms |
| 短文字(coupon_title.png) | 163ms | 162ms | 279ms |
| 数字小框(coupon_30.png) | 18ms | 106ms | 147ms |
| 福袋裁切区域(fudai_*) | ~150-1700ms | ~150-2200ms | ~470-5500ms |
| 空白图标 | ~10-100ms | ~10-150ms | ~30-100ms |
EasyOCR 在彩色背景大图上特别慢(fudai 1280×1280 跑 5 秒+),且关键内容图错字率极高。
v4-mobile vs v5-mobile 精度差
- coupon.png:v4-mobile
一单回本 | 全场通用正确切分,v5-mobile一单回本全场通用合并 - banner_long.png:v4-mobile
上一个 | 下一个正确,v5-mobileE— | 下-错误
v4-mobile 综合最优。
生效的优化
operations/ocr_operations.py:
- 切到 PaddleOCR v4-mobile 优先(之前 EasyOCR 优先)
- 加 LRU 结果缓存(256 条),重复图直接命中(业务里 cut_pic 短时间常重读相同区域)
- 抽出
PADDLE_KWARGS/_build_paddle()/_build_easyocr()工厂消除重复
douyin/core/underlying_operations.py:
__init__/_ensure_ocr都对齐到 Paddle 优先analyse_pic_word加缓存层(基于 blake2b 内容哈希 + change_color)- 删掉小图自动放大+锐化+对比度增强(实测负优化)
- PaddleOCR 切到
predict()新 API analyse_pic_digits从 200 行精简到 30 行委托 + 数字过滤
业务接口完全向后兼容,调用方零改动。
测试用图
assets/:项目自带 9 张图
裁切扩展:从 coupon.png/fudai.png 裁出多种难度的小区域(~22 张)测试模型对小裁切框的表现
维护提示
- 缓存大小:环境变量
OCR_CACHE_MAX(默认 256,设 0 禁用) - 缓存统计:
from operations.ocr_operations import cache_stats; print(cache_stats()) - 调试图保存:环境变量
SAVE_OCR_DEBUG_IMAGES=1 - 跳过初始化(仅做点击不需要 OCR 的流程):环境变量
SKIP_OCR_INIT=1