RV1106 OCR 识别算法

  一 题记

目标是在某款 RV1106 低算力小板下跑通OCR文字识别算法，做个简单的应用，RK 官方模型库rk_model_zoo 有PP-OCR 的例子，但在 rv1106 上尚未支持。于是便打算折腾一吧。

二 方案甄选

参考国外某大佬的比较：

对比了几种方案， paddleOCR 在性能和精度上 应该算得上最优， 工程部署上的事情应该不是大问题。

hugging-face 的在线比较 ： (PaddleOCR + EasyOcr + kerasOCR)

https://huggingface.co/spaces/pragnakalp/OCR-image-to-text

简单测试了一下，ppocr 在复杂的比如模糊的反光的照片下效果要好一些。

三 思路梳理

3.1 OCR 处理的通用流程

图像预处理（尺寸，归一化）=> 检测文字区域(OCR-DET) => 子图规一化(尺寸，角度变换) => 文字识别(OCR-REC)

1. 其中 OCR-DET 和 OCR-REC 需要 预训练的算法模型来做
2. 图像预处理是要将图像 调整到模型输入的大小，在 RKNN 平台，要固定输入图像的尺寸。
3. 子图规一化，是将检测区域的子图像扣出来，拉成 横平竖直的规整图像。主要是做视角和尺寸的变换(仿射变换)。但 paddleOCR 可以识别 0 度和180度图像 , 90度和270度与不是模型的输入顺序，需要 通过 方向分类模型判断方向，旋转，然后再做仿射变换。

3.2 模型部署转换的流程

paddle模型 ==> 固定输入的onnx 模型 ==> rknn 模型

因为 rknn不支持动态输入，所以转 onnx 时要固定输入

其他tricks:

paddle 转 onnx模型本身是支持优化的，onnx 转 rknn 时工具也有针对rknn 平台的优化， 用类似 onnx-sim 工具再做优化价值不大。 不如实际 RKNN 跑起来做性能评估针对性的优化。

四 pad