[paddleocr]文档图像方向分类模块使用教程

小楼先森

998人浏览 · 2025-12-05 20:47:06

小楼先森 · 2025-12-05 20:47:06 发布

[paddleocr]文档图像方向分类模块使用教程

文档图像方向分类模块使用教程 ¶

一、概述 ¶

文档图像方向分类模块主要是将文档图像的方向区分出来，并使用后处理将其矫正。在诸如文档扫描、证照拍摄等过程中，有时为了拍摄更清晰，会将拍摄设备进行旋转，导致得到的图片也是不同方向的。此时，标准的OCR流程无法很好地应对这些数据。利用图像分类技术，可以预先判断含文字区域的文档或证件的方向，并将其进行方向调整，从而提高OCR处理的准确性。

二、支持模型列表 ¶

| 模型 | 模型下载链接 | Top-1 Acc（%） | GPU推理耗时（ms）
[常规模式 / 高性能模式] | CPU推理耗时（ms）
[常规模式 / 高性能模式] | 模型存储大小（M) | 介绍 |
|:—😐:—😐:—😐:—😐:—😐:—😐:—😐
| PP-LCNet_x1_0_doc_ori | 推理模型 / 训练模型 | 99.06 | 2.31 / 0.43 | 3.37 / 1.27 | 7 | 基于PP-LCNet_x1_0的文档图像分类模型，含有四个类别，即0度，90度，180度，270度 |

测试环境说明:

性能测试环境
- 测试数据集： 自建多场景数据集（1000张图片，含证件/文档等场景）
- 硬件配置：
  - GPU：NVIDIA Tesla T4
  - CPU：Intel Xeon Gold 6271C @ 2.60GHz
  - 其他环境：Ubuntu 20.04 / cuDNN 8.6 / TensorRT 8.5.2.2
推理模式说明

模式	GPU配置	CPU配置	加速技术组合
常规模式	FP32精度 / 无TRT加速	FP32精度 / 8线程	PaddleInference
高性能模式	选择先验精度类型和加速策略的最优组合	FP32精度 / 8线程	选择先验最优后端（Paddle/OpenVINO/TRT等）

三、快速开始 ¶

❗ 在快速开始前，请先安装 PaddleOCR 的 wheel 包，详细请参考安装教程。

使用一行命令即可快速体验：

paddleocr doc_img_orientation_classification -i https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/img_rot180_demo.jpg

您也可以将文档图像方向分类模块中的模型推理集成到您的项目中。运行以下代码前，请您下载示例图片到本地。

from paddleocr import DocImgOrientationClassification
 
model = DocImgOrientationClassification(model_name="PP-LCNet_x1_0_doc_ori")
output = model.predict("img_rot180_demo.jpg",  batch_size=1)
for res in output:
    res.print(json_format=False)
    res.save_to_img("./output/demo.png")
    res.save_to_json("./output/res.json")

运行后，得到的结果为：

{'res': {'input_path': 'img_rot180_demo.jpg', 'page_index': None, 'class_ids': array([2], dtype=int32), 'scores': array([0.88164], dtype=float32), 'label_names': ['180']}}

运行结果参数含义如下： - input_path ：表示输入图片的路径。 - class_ids ：表示预测结果的类别id，含有四个类别，即0度，90度，180度和270度。 - scores ：表示预测结果的置信度。 - label_names ：表示预测结果的类别名。

可视化图片如下：

相关方法、参数等说明如下：

DocImgOrientationClassification 实例化文档图像方向分类模型（此处以 PP-LCNet_x1_0_doc_ori 为例），具体说明如下：

参数	参数说明	参数类型	可选项	默认值
`model_name`	模型名称	`str`	无	`无`
`model_dir`	模型存储路径	`str`	无	无
`device`	模型推理设备	`str`	支持指定GPU具体卡号，如“gpu:0”，其他硬件具体卡号，如“npu:0”，CPU如“cpu”。	`gpu:0`
`use_hpip`	是否启用高性能推理插件	`bool`	无	`False`
`hpi_config`	高性能推理配置	`dict`	`None`	无

其中， model_name 必须指定，指定 model_name 后，默认使用内置的模型参数，在此基础上，指定 model_dir 时，使用用户自定义的模型。
调用文档图像方向分类模型的 predict() 方法进行推理预测，该方法会返回一个结果列表。另外，本模块还提供了 predict_iter() 方法。两者在参数接受和结果返回方面是完全一致的，区别在于 predict_iter() 返回的是一个 generator ，能够逐步处理和获取预测结果，适合处理大型数据集或希望节省内存的场景。可以根据实际需求选择使用这两种方法中的任意一种。 predict() 方法参数有 input 和 batch_size ，具体说明如下：

参数	参数说明	参数类型	可选项	默认值
`input`	待预测数据，支持多种输入类型	`Python Var` / `str` / `list`	- Python变量，如 `numpy.ndarray` 表示的图像数据 - 文件路径，如图像文件的本地路径： `/root/data/img.jpg` - URL链接，如图像文件的网络URL：示例 - 本地目录，该目录下需包含待预测数据文件，如本地路径： `/root/data/` - 列表，列表元素需为上述类型数据，如 `[numpy.ndarray, numpy.ndarray]` ， `["/root/data/img1.jpg", "/root/data/img2.jpg"]` ， `["/root/data1", "/root/data2"]`	无
`batch_size`	批大小	`int`	任意整数	1

对预测结果进行处理，每个样本的预测结果均为对应的Result对象，且支持打印、保存为图片、保存为 json 文件的操作:

方法	方法说明	参数	参数类型	参数说明	默认值
`print()`	打印结果到终端	`format_json`	`bool`	是否对输出内容进行使用 `JSON` 缩进格式化	`True`
`indent`	`int`	指定缩进级别，以美化输出的 `JSON` 数据，使其更具可读性，仅当 `format_json` 为 `True` 时有效	4
`ensure_ascii`	`bool`	控制是否将非 `ASCII` 字符转义为 `Unicode` 。设置为 `True` 时，所有非 `ASCII` 字符将被转义； `False` 则保留原始字符，仅当 `format_json` 为 `True` 时有效	`False`
`save_to_json()`	将结果保存为json格式的文件	`save_path`	`str`	保存的文件路径，当为目录时，保存文件命名与输入文件类型命名一致	无
`indent`	`int`	指定缩进级别，以美化输出的 `JSON` 数据，使其更具可读性，仅当 `format_json` 为 `True` 时有效	4
`ensure_ascii`	`bool`	控制是否将非 `ASCII` 字符转义为 `Unicode` 。设置为 `True` 时，所有非 `ASCII` 字符将被转义； `False` 则保留原始字符，仅当 `format_json` 为 `True` 时有效	`False`
`save_to_img()`	将结果保存为图像格式的文件	`save_path`	`str`	保存的文件路径，当为目录时，保存文件命名与输入文件类型命名一致	无