图片识别没有文字输出。

[ccrd2024]

🔎 Search before asking

• I have searched the PaddleOCR Docs and found no similar bug report.
• I have searched the PaddleOCR Issues and found no similar bug report.
• I have searched the PaddleOCR Discussions and found no similar bug report.

🐛 Bug (问题描述)

没有文字输出。

000057.json

🏃‍♂️ Environment (运行环境)

OS Ubuntu 22.04
Environment Anaconda3
Python 3.10
PaddleOCR 3.5.0
Install pip
RAM 16GB
CPU R5 5600x
CUDA 11.8
GPU GTX 1080 Ti
VRAM 11264MiB

🌰 Minimal Reproducible Example (最小可复现问题的Demo)

from paddleocr import PaddleOCR

ocr = PaddleOCR(
    #lang="chinese_cht",
    #use_angle_cls=True,
    #ocr_version="PP-OCRv3",
    use_doc_orientation_classify=True,
    use_textline_orientation=True,
    return_word_box=True,   # 返回词级框
    #return_char=True,       # 返回字符级四角坐标
    enable_hpi=True,
    #use_space_char=True,
    device="gpu:0",
    use_tensorrt=True,
    use_doc_unwarping=False,
    text_det_thresh=0.1,
    text_det_box_thresh=0.1,
    text_det_unclip_ratio=0.75
    #device='cpu'
)

result = ocr.predict(input="0000570.png")

for line in result:
    line.save_to_json('000057.json')
    line.save_to_img("000057.png")

[hoobnn]

复现并定位了一下，原因是 PaddleX 默认 OCR pipeline 配置 (paddlex/configs/pipelines/OCR.yaml) 里：

limit_side_len: 64
limit_type: min

min, 64 的语义是"保证最短边 ≥ 64"。对你的 3840×3067 大图，min(h,w)=3067 远大于 64，所以完全不缩放，原尺寸喂进 PP-OCRv5_server_det。但模型自带的 inference.yml 里预处理写的是 resize_long: 960——也就是模型本身是按"长边缩到 960"训练的。两者不一致，正文区域的概率响应基本掉到 0，所以拿不到正文。

另外 thresh=0.1 / unclip_ratio=0.75 跟这个问题没关系，改回默认值也是一样的现象。

Workaround

加两行参数：

ocr = PaddleOCR(
    # ... 你原有的参数保持不变 ...
    text_det_limit_side_len=960,
    text_det_limit_type='max',
)

实测你这张原图能正确识别全部 11 段正文。

[ccrd2024]

复现并定位了一下，原因是 PaddleX 默认 OCR pipeline 配置 (paddlex/configs/pipelines/OCR.yaml) 里：

limit_side_len: 64
limit_type: min

min, 64 的语义是"保证最短边 ≥ 64"。对你的 3840×3067 大图，min(h,w)=3067 远大于 64，所以完全不缩放，原尺寸喂进 PP-OCRv5_server_det。但模型自带的 inference.yml 里预处理写的是 resize_long: 960——也就是模型本身是按"长边缩到 960"训练的。两者不一致，正文区域的概率响应基本掉到 0，所以拿不到正文。

另外 thresh=0.1 / unclip_ratio=0.75 跟这个问题没关系，改回默认值也是一样的现象。

Workaround

加两行参数：

ocr = PaddleOCR(
# ... 你原有的参数保持不变 ...
text_det_limit_side_len=960,
text_det_limit_type='max',
)

实测你这张原图能正确识别全部 11 段正文。

请问为什么其他1920*3067的大图识别正常，到了这一张突然就不正常了，是人工智能深度神经网络的概率缺陷吗？

[ccrd2024]

复现并定位了一下，原因是 PaddleX 默认 OCR pipeline 配置 (paddlex/configs/pipelines/OCR.yaml) 里：

limit_side_len: 64
limit_type: min

min, 64 的语义是"保证最短边 ≥ 64"。对你的 3840×3067 大图，min(h,w)=3067 远大于 64，所以完全不缩放，原尺寸喂进 PP-OCRv5_server_det。但模型自带的 inference.yml 里预处理写的是 resize_long: 960——也就是模型本身是按"长边缩到 960"训练的。两者不一致，正文区域的概率响应基本掉到 0，所以拿不到正文。

另外 thresh=0.1 / unclip_ratio=0.75 跟这个问题没关系，改回默认值也是一样的现象。

Workaround

加两行参数：

ocr = PaddleOCR(
# ... 你原有的参数保持不变 ...
text_det_limit_side_len=960,
text_det_limit_type='max',
)

实测你这张原图能正确识别全部 11 段正文。

请问这种方法会不会掉精度？