Files
douyin_guaji-main/docs/ocr_engine_decision.md
T
Codex 0131be7869 切换 OCR 默认引擎到 PaddleOCR v4-mobile 并简化预处理
- 默认引擎改为 PaddleOCR PP-OCRv4_mobile(实测 369ms/张,比 EasyOCR 629ms 更快且精度大幅提升,coupon 等关键图错字一片 -> 全对)
- EasyOCR 仅作回退,移除"小图自动放大+锐化+对比度增强"预处理(实测对 Paddle 是负优化,会引入伪影/重复字)
- analyse_pic_word 加 LRU 内容哈希缓存(256 条),重复读图直接命中
- analyse_pic_digits 从 200 行重复实现精简成 30 行委托 + 数字过滤
- 统一两处 OCR 初始化为 _build_paddle / _build_easyocr 工厂,消除重复
- 设置 FLAGS_use_mkldnn=false 绕开 Win + Paddle 3.x 的 oneDNN+PIR 不兼容 bug(实测 FLAGS_enable_pir_in_executor=0 也修不掉,关 oneDNN 是当前唯一可行解)
- 决策依据/速度数据/已知问题归档到 docs/ocr_engine_decision.md
- 业务接口完全向后兼容
2026-05-21 10:50:30 +08:00

3.9 KiB
Raw Blame History

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

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