模型介绍
中文整理PP-LCNet DocOri —— 文档整图方向分类器 ONNX 版
模型简介
本模型源自 **PaddleX / PaddleOCR** 生态的 **PP-LCNet x1 0 doc ori** 文档方向分类器,已转换为 **ONNX** 格式,专为**离线本地推理**场景优化。
在 OCR 流水线中,扫描件、手机拍照、传真件等文档图像可能存在 90°、180° 甚至 270° 的旋转。如果直接将歪斜图像送入 OCR 引擎,文本识别准确率会大幅下降。本模型作为 OCR 前置步骤,**自动判断文档图像的朝向并矫正为正向**。
核心价值**:在纯 CPU 环境下,以毫秒级延迟完成文档方向四分类(0°/90°/180°/270°),提升下游 OCR 识别质量,无需依赖 GPU 或 PaddlePaddle 运行时。
模型文件
文件 大小 说明
- ----- ------ ------
model.onnx ~6.5 MB ONNX 模型(包含图结构与权重)
单一文件,无外部数据依赖,直接加载即可推理。
模型架构
- *基础模型**:PP-LCNet x1 0 doc ori(百度 PaddleClas)
- *网络结构**:PP-LCNet(轻量级 CPU 友好 CNN)
- *输入规格**:
- 尺寸: 224 × 224 RGB 图像
- 预处理:短边等比缩放至 256 → 中心裁剪 224 → ImageNet 归一化
- 归一化参数: mean=[0.485, 0.456, 0.406] , std=[0.229, 0.224, 0.225]
- *输出**: float32[1, 4] 四类 softmax 分数
- *类别映射**:
class index 角度 含义
:-----------: :----: ------
0 0° 正向(无需旋转)
1 90° 顺时针旋转 90°
2 180° 倒置
3 270° 逆时针旋转 90°(或顺时针 270°)
工作流程:
快速开始
环境要求
onnxruntime >= 1.24.3
图像预处理: numpy + PIL / opencv-python (Python),或 @napi-rs/canvas + sharp (Node.js)
Python 示例
TypeScript / Node.js 示例
应用场景
OCR 前置方向矫正
- *扫描件处理**:律所扫描的合同、判决书、证据材料可能存在各种朝向
- *手机拍照**:律师用手机拍摄的案卷材料常常歪斜
- *传真件数字化**:传真机输出的文档角度不可控
- *批量文档自动化**:大批量文档入库前自动统一朝向,无需人工逐页检查
降级策略
当模型文件未下载或推理失败时,系统自动跳过方向矫正,按 0°(正向)处理,不阻断下游 OCR 流程:
技术细节
网络结构
PP-LCNet(PP-Lightweight CPU Network)是百度提出的**轻量级图像分类网络**,设计目标为 CPU 友好:
使用深度可分离卷积 + SE 注意力模块
比 MobileNetV3 更快的推理速度
专为 ARM / x86 CPU 优化
在本项目中,单次推理耗时 **已知问题**:PaddlePaddle 3.0 部分模型包使用 inference.json 替代 inference.pdmodel ,Windows 环境下 paddle2onnx 2.1.0 要求 paddlepaddle ≥ 3.0.0.dev,且可能因 MSVC 运行时缺失导致转换中断。
许可证
本模型遵循 Apache License 2.0,与 PaddleOCR / PaddleX 官方保持一致。
引用
如果你在研究中使用了本模型,请引用 PaddleOCR:
致谢
原始模型:PaddleOCR / PaddleX(百度)
ONNX 转换:基于 twmht/PP-LCNet x1 0 doc ori infer onnx 二次整理
转换工具:paddle2onnx
运行时:ONNX Runtime
优先采用原作者提供的中文模型卡片;仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件;指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖,请按作者说明配齐。
完整仓库可能包含多个权重格式,因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖,以原作者说明为准。
是否允许商用、修改和分发,请查看模型许可证。
闲社提供资料与镜像下载方法,不代表已运行模型或完成安全审计。下载的代码应先检查,再执行。
资料或下载有问题?
登录后可提交反馈。
