- 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>
85 lines
3.9 KiB
Markdown
85 lines
3.9 KiB
Markdown
# 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-mobile `E— | 下-` 错误
|
||
|
||
v4-mobile 综合最优。
|
||
|
||
## 生效的优化
|
||
|
||
`operations/ocr_operations.py`:
|
||
1. 切到 PaddleOCR v4-mobile 优先(之前 EasyOCR 优先)
|
||
2. 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)
|
||
3. 抽出 `PADDLE_KWARGS` / `_build_paddle()` / `_build_easyocr()` 工厂消除重复
|
||
|
||
`douyin/core/underlying_operations.py`:
|
||
1. `__init__` / `_ensure_ocr` 都对齐到 Paddle 优先
|
||
2. `analyse_pic_word` 加缓存层(基于 blake2b 内容哈希 + change_color)
|
||
3. 删掉小图自动放大+锐化+对比度增强(实测负优化)
|
||
4. PaddleOCR 切到 `predict()` 新 API
|
||
5. `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`
|