让 C# 读懂整张图：DeploySharp 驱动 PaddleOCR v4/v5/v6，打通 OCR 全流程

椒颜皮皮虾྅2026-11-01 9:06

文章目录

    • [一、DeploySharp 项目简介](#一、DeploySharp 项目简介)
    • [二、2.0 新特性与本篇 OCR 实战](#二、2.0 新特性与本篇 OCR 实战)
      • [2.1 从模型调用，走到完整应用流程](#2.1 从模型调用，走到完整应用流程)
      • [2.2 为什么 OCR 需要一条流水线](#2.2 为什么 OCR 需要一条流水线)
    • [三、v4、v5、v6 应该怎样选择](#三、v4、v5、v6 应该怎样选择)
      • [3.1 先按部署需求选择组合](#3.1 先按部署需求选择组合)
      • [3.2 DET、CLS、REC 和字典要配套](#3.2 DET、CLS、REC 和字典要配套)
    • [四、创建项目与安装 NuGet](#四、创建项目与安装 NuGet)
      • [4.1 同一份 C# 代码，在 Windows 与 Ubuntu 运行](# 代码，在 Windows 与 Ubuntu 运行)
      • [4.2 按操作系统安装 CPU 依赖](#4.2 按操作系统安装 CPU 依赖)
      • [4.3 其他场景怎样选包](#4.3 其他场景怎样选包)
      • [4.4 检查项目配置](#4.4 检查项目配置)
    • 五、按需准备模型和测试图片
      • [5.1 只下载当前组合需要的文件](#5.1 只下载当前组合需要的文件)
      • [5.2 项目目录](#5.2 项目目录)
    • [六、编写完整 OCR 程序](#六、编写完整 OCR 程序)
    • 七、关键实现：从三个模型到一个结果
      • [7.1 目录选择和本地文件加载](#7.1 目录选择和本地文件加载)
      • [7.2 检测前处理与文本行裁剪](#7.2 检测前处理与文本行裁剪)
      • [7.3 字典和 CTC 为什么必须对应](#7.3 字典和 CTC 为什么必须对应)
      • [7.4 方向、坐标、异步和资源释放](#7.4 方向、坐标、异步和资源释放)
    • 八、运行程序，查看实际识别结果
      • [8.1 默认 v5 Mobile 的真实输出](#8.1 默认 v5 Mobile 的真实输出)
      • [8.2 三种输出文件怎样使用](#8.2 三种输出文件怎样使用)
      • [8.3 切换 v4、v6 或自己的图片](#8.3 切换 v4、v6 或自己的图片)
      • [8.4 放到 Ubuntu，同一份代码怎样运行](#8.4 放到 Ubuntu，同一份代码怎样运行)
      • [8.5 Ubuntu 上运行 OpenVINO、OpenCV DNN 与 TensorRT](#8.5 Ubuntu 上运行 OpenVINO、OpenCV DNN 与 TensorRT)
    • 九、Batch、推理通道与时间应该怎样看
      • [9.1 一张图，多条文字行](#9.1 一张图，多条文字行)
      • [9.2 本文记录的时间包含什么](#9.2 本文记录的时间包含什么)
      • [9.3 长文本、低分行与区域 OCR](#9.3 长文本、低分行与区域 OCR)
    • 十、常见问题与处理方法
    • 十一、总结与后续

一、DeploySharp 项目简介

DeploySharp 是一个面向 C#/.NET 开发者 的开源模型部署框架，由「椒颜皮皮虾」开发，项目源码遵循 Apache License 2.0 。它基于 ONNX Runtime、OpenVINO、TensorRT、OpenCV DNN 等推理引擎，提供模型加载、图像前处理、推理执行和结果后处理接口，方便大家把模型接入桌面软件、工业视觉和文档应用。

项目已经接入目标检测、分类、分割、关键点、旋转框、异常检测和背景移除等视觉任务，也提供 PP-OCRv4/v5/v6、PP-Structure 文档处理和部分图文、本地语言模型的使用入口。常用模型有配套前后处理，自有模型可以通过扩展接口接入。

项目地址：

text 复制代码 
https://github.com/guojin-yan/DeploySharp/tree/DeploySharpV2.0

**NuGet 包：**在包管理器中搜索 JYPPX.DeploySharp，按任务与后端选择组件。

text 复制代码 
https://www.nuget.org/packages?q=JYPPX.DeploySharp

二、2.0 新特性与本篇 OCR 实战

2.1 从模型调用，走到完整应用流程

上一篇用 YOLO26 完成了目标检测。这一篇把多个模型组合起来，在 C# 中完成文字检测、文本行裁剪、方向处理和文字识别。

2.0 版本为 OCR 准备了以下功能：

新版能力 对 OCR 应用有什么用
多后端与按需安装 图像处理与推理引擎分别选择，先用 CPU 跑通，再评估目标设备
v4/v5/v6 核心模型目录 根据模型 ID 取得配套输入输出与解码配置，减少逐版本手工填写
完整 OcrPipeline 组织检测、透视裁剪、方向分类、识别及结果合并，返回原图区域与文字
动态 Batch 与独立 Session 池 多条文本行可以分批识别，也可以交给多个独立推理器调度
可配置的区域处理 按需要接入长文本策略、ROI 和文档区域工作流

下面先用 ONNX Runtime CPU 完成基础程序，再把相同图片和模型放到 Ubuntu 22.04 上，分别运行 ORT、OpenVINO、OpenCV DNN 和 TensorRT。CUDA 专用前后处理和 PP-Structure 页面处理会在对应专题中介绍。

2.2 为什么 OCR 需要一条流水线

一张图片里的文字数量、大小和角度都不固定，而识别模型通常以一条裁好的文本行为输入。因此，需要先找到文字，再裁剪、调整方向，最后识别内容。

这次使用三个模型，各自负责一件事：

阶段 作用 结果怎样传给下一步
DET：文字检测 找到图片中的文字位置 返回原图文字区域，用于透视裁剪
CLS：文本行方向分类 判断裁好的文字行是否需要旋转 180° 按方向处理后，再准备识别输入
REC：文字识别 将文本行转换为字符序列 CTC 解码得到文字和置信度

中间还有裁剪、缩放、归一化、Batch 组织和坐标对应。下图把整条处理过程放在一起，图中的多个文本行来自同一张原图：

本文默认使用 PP-OCRv5 Mobile DET + Mobile CLS + Mobile REC ，识别一张包含大标题、多栏小字、照片、图注和引语 的中文报纸页面，并生成三个文件：result.txt、result.json、result.jpg。随后用同一份代码切换到 v4 Mobile 和 v6 Tiny，讲清模型、字典和方向分类怎样配对。

下面是本次输入，来自 PaddleOCR 官方 PP-Structure 示例，原图大小为 1524 × 1368。

三、v4、v5、v6 应该怎样选择

3.1 先按部署需求选择组合

DeploySharp 为以下七组核心组合提供了模型目录与流水线配置，通过右侧参数即可切换：

版本与组合 主要选择方向 本文命令行参数
PP-OCRv4 Mobile 已有 v4 轻量化项目，继续使用对应模型与字典 v4-mobile
PP-OCRv4 Server 评估 v4 Server 组合，允许更大的模型和计算开销 v4-server
PP-OCRv5 Mobile 本文默认组合，先完成完整部署与结果使用 v5-mobile
PP-OCRv5 Server 在目标图像上评估 v5 Server 组合 v5-server
PP-OCRv6 Tiny 从较小模型开始，评估设备延迟与识别效果 v6-tiny
PP-OCRv6 Small 进一步评估模型规模与效果之间的取舍 v6-small
PP-OCRv6 Medium 允许更大的模型，按实际数据评估效果 v6-medium

本篇运行了 v4 Mobile、v5 Mobile 和 v6 Tiny 三组模型。选型时可以先从轻量组合开始，再用自己的小字、低对比度、特殊字体或长文本图片比较效果。其他组合的后端测试情况可以查看仓库验证矩阵。

3.2 DET、CLS、REC 和字典要配套

三种版本的方向分类和识别字典存在差异：

组合 方向分类器 REC 配套字典
v4 Mobile / Server legacy 0°/180° CLS ppocrv4_keys.txt
v5 Mobile / Server 对应 Mobile / Server 的 PP-LCNet 文本行方向模型 ppocrv5_dict.txt
v6 Tiny / Small / Medium 复用 v5 Mobile CLS 对应规模的 PP-OCRv6_*_rec_dict.txt

v6 组合复用 paddleocr/ppocrv5/mobile-cls。这里使用的 CLS 负责文本行 0°/180° 分类，整页文档的四方向分类则由另一类模型处理。

各版本的流水线阶段相同，具体的模型和字典配对如下：

识别字典负责将输出类别索引映射为字符。下载 REC 时一起准备对应字典，并保留原有顺序，才能得到正确文字。

四、创建项目与安装 NuGet

4.1 同一份 C# 代码，在 Windows 与 Ubuntu 运行

我分别在 Windows 和 Ubuntu 上运行了这套程序，使用相同的模型、字典和报纸页面，环境如下：

项目 Windows 本机 Ubuntu 测试设备
系统 Windows 11 x64，10.0.26200 Ubuntu 22.04.5 LTS x64，内核 6.8.0-138-generic
CPU Ryzen 7 5800H，8 核 16 线程 Core i7-1165G7，4 核 8 线程
GPU 本文 Windows 基线只使用 CPU NVIDIA RTX 2060，6 GB；驱动 580.178.04
.NET SDK 10.0.401 / 运行时 10.0.12 SDK 10.0.301 / 运行时 10.0.9
应用与 DeploySharp net10.0、x64、NuGet 2.0.0 同左
基础图像与推理组件 OpenCV 5.0.0、ORT CPU 1.28.0 OpenCV 5.0.0、ORT CPU 1.28.0
输入 pp_structure_v3_demo.png，1524 × 1368 相同图片、模型和字典

准备 .NET 10 SDK，然后在 PowerShell 或 Ubuntu Bash 中创建项目：

shell 复制代码 
dotnet new console -n DeploySharpOcrDemo -f net10.0
cd DeploySharpOcrDemo

后续命令均在这个项目目录执行。使用 Visual Studio 的朋友，也可以创建 .NET 10 控制台应用，再从 NuGet 管理器安装相同依赖。

4.2 按操作系统安装 CPU 依赖

OCR 编排、DB 检测后处理和 CTC 解码由视觉组件提供，Visual.OpenCV 负责图片和文本行处理，ONNX Runtime 后端执行模型。这套 C# ONNX 程序可以直接运行，无需安装 Python 或 PaddlePaddle。

三个托管/推理包在两种系统中相同，先安装：

shell 复制代码 
dotnet add package JYPPX.DeploySharp.Visual.OpenCV --version 2.0.0
dotnet add package JYPPX.DeploySharp.Backend.OnnxRuntime --version 2.0.0
dotnet add package Microsoft.ML.OnnxRuntime --version 1.28.0

Windows x64 再安装图像原生库：

powershell 复制代码 
dotnet add package JYPPX.OpenCV.runtime.win-x64 --version 5.0.0

Ubuntu 22.04 x64 选择相应的原生库：

bash 复制代码 
dotnet add package JYPPX.OpenCV.runtime.ubuntu.22.04-x64 --version 5.0.0
显式安装的包 在 OCR 中负责什么
JYPPX.DeploySharp.Visual.OpenCV 解码原图、检测前处理、文本行透视裁剪、缩放与归一化
JYPPX.DeploySharp.Backend.OnnxRuntime 将 DET、CLS、REC 推理交给 ONNX Runtime
Microsoft.ML.OnnxRuntime 提供 CPU 原生推理运行库
对应操作系统的 JYPPX.OpenCV.runtime.* 提供图像处理、绘制与保存所需的原生库，两种系统择一

Core、Visual 等基础依赖由 NuGet 自动引入。

Ubuntu 下还需让系统找到 OpenCV 的 .so 及其同目录依赖。本例使用默认 NuGet 缓存目录，在完成还原后设置：

bash 复制代码 
dotnet restore
opencv_native="$HOME/.nuget/packages/jyppx.opencv.runtime.ubuntu.22.04-x64/5.0.0/runtimes/ubuntu.22.04-x64/native"
export LD_LIBRARY_PATH="$opencv_native:${LD_LIBRARY_PATH:-}"

修改过 NUGET_PACKAGES 时，将 $HOME/.nuget/packages 换成自己的缓存根目录，并在启动程序前设置好搜索路径。若出现 NETSDK1206 警告，检查对应目录中的原生文件及其依赖是否能被加载。

4.3 其他场景怎样选包

使用其他后端时，按下表安装组件，并配置对应的后端注册和设备请求：

部署场景 主要变化
ONNX Runtime CUDA 保留 ORT 适配器，选择匹配的 GPU runtime 与 CUDA/cuDNN，显式启用 CUDA Provider
OpenVINO 选择 Backend.OpenVINO，准备匹配的 OpenVINO runtime
OpenCV DNN 选择 Backend.OpenCV，确认实际导出图的 Batch 与动态宽度支持
TensorRT 执行 DET/CLS/REC 选择 Backend.TensorRT、匹配 bridge 和厂商运行库，在目标 GPU 构建 Engine；第八节有 Ubuntu 实跑
TensorRT CUDA 专用 OCR 进一步使用 Visual.TensorRT 的 CUDA 裁剪与专用处理路径，按任务单独验证
应用内自动下载模型 按需增加 ModelFactory，使用 PaddleOcrReleaseClient

直接加载本地文件时，使用前面的依赖即可；需要自动下载时再增加 ModelFactory。Windows 的后端安装见第二篇，Ubuntu 的运行方式见第八节。不同的 ORT CPU/GPU 原生包应使用独立输出目录。

text 复制代码 
按场景选择 NuGet（第二篇第四节）：
https://github.com/guojin-yan/DeploySharp/blob/DeploySharpV2.0/docs/blog/2.0.0/2026-10/2026-10-28-02-yolo26-quickstart.md

TensorRT CUDA OCR：
https://github.com/guojin-yan/DeploySharp/blob/DeploySharpV2.0/docs/articles/tensorrt-cuda-ocr.md

4.4 检查项目配置

本文使用的 .csproj 完整内容如下。显式设置 x64，避免进程架构和原生运行库不一致：

xml 复制代码 
<Project Sdk="Microsoft.NET.Sdk">
  <PropertyGroup>
    <OutputType>Exe</OutputType>
    <TargetFramework>net10.0</TargetFramework>
    <ImplicitUsings>enable</ImplicitUsings>
    <Nullable>enable</Nullable>
    <PlatformTarget>x64</PlatformTarget>
  </PropertyGroup>
  <ItemGroup>
    <PackageReference Include="JYPPX.DeploySharp.Visual.OpenCV" Version="2.0.0" />
    <PackageReference Include="JYPPX.DeploySharp.Backend.OnnxRuntime" Version="2.0.0" />
    <PackageReference Include="Microsoft.ML.OnnxRuntime" Version="1.28.0" />
    <PackageReference Include="JYPPX.OpenCV.runtime.win-x64" Version="5.0.0" Condition="'$(OS)' == 'Windows_NT'" />
    <PackageReference Include="JYPPX.OpenCV.runtime.ubuntu.22.04-x64" Version="5.0.0" Condition="$([MSBuild]::IsOSPlatform('Linux'))" />
  </ItemGroup>
</Project>

五、按需准备模型和测试图片

5.1 只下载当前组合需要的文件

PaddleOCR 模型放在独立的 models-paddleocr Release 中。每个 DET、CLS、REC 和字典均可单独下载，使用轻量组合时，不需要把全部模型打包下载。

下面分别给出 Bash 和 PowerShell 命令，按当前终端选择一组。默认下载 v5 Mobile 的三个 ONNX 和一个字典。

Ubuntu Bash： 修改 variant 可选择七种组合之一。

bash 复制代码 
variant=v5-mobile
prefix="ppocr${variant}"
case "$variant" in
  v4-mobile|v4-server)
    cls=ppocrv4-legacy-cls.onnx; dictionary=ppocrv4_keys.txt ;;
  v5-mobile|v5-server)
    cls="$prefix-cls.onnx"; dictionary=ppocrv5_dict.txt ;;
  v6-tiny|v6-small|v6-medium)
    cls=ppocrv5-mobile-cls.onnx
    dictionary="PP-OCRv6_${variant#v6-}_rec_dict.txt" ;;
  *) printf '不支持的组合：%s\n' "$variant"; exit 1 ;;
esac
mkdir -p models images
model_base='https://github.com/guojin-yan/DeploySharp/releases/download/models-paddleocr'
for file in "$prefix-det.onnx" "$cls" "$prefix-rec.onnx" "$dictionary"; do
  curl -fL --retry 2 "$model_base/$file" -o "models/$file"
done
curl -fL --retry 2 \
  'https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/pp_structure_v3_demo.png' \
  -o images/pp_structure_v3_demo.png

Windows PowerShell： 修改 $variant 选择相同组合。

powershell 复制代码 
$variant = 'v5-mobile'
$prefix = $variant -replace '^v', 'ppocrv'
switch -Regex ($variant) {
  '^v4-(mobile|server)$' {
    $cls = 'ppocrv4-legacy-cls.onnx'
    $dictionary = 'ppocrv4_keys.txt'
    break
  }
  '^v5-(mobile|server)$' {
    $cls = "$prefix-cls.onnx"
    $dictionary = 'ppocrv5_dict.txt'
    break
  }
  '^v6-(tiny|small|medium)$' {
    $cls = 'ppocrv5-mobile-cls.onnx'
    $size = $variant.Substring(3)
    $dictionary = "PP-OCRv6_${size}_rec_dict.txt"
    break
  }
  default { throw '请选择本文支持的七种组合之一。' }
}
New-Item -ItemType Directory -Force -Path .\models, .\images | Out-Null
$modelBase = 'https://github.com/guojin-yan/DeploySharp/releases/download/models-paddleocr'
foreach ($file in @("$prefix-det.onnx", $cls, "$prefix-rec.onnx", $dictionary)) {
  Invoke-WebRequest -Uri "$modelBase/$file" -OutFile (Join-Path '.\models' $file)
}
Invoke-WebRequest `
  -Uri 'https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/pp_structure_v3_demo.png' `
  -OutFile '.\images\pp_structure_v3_demo.png'

如果命令行下载不方便，也可以在 Release 页面选择对应文件下载。已有本地模型和图片，直接按名称放入目录即可。本文选用的默认文件是：

文件 用途
ppocrv5-mobile-det.onnx 文字检测
ppocrv5-mobile-cls.onnx 文本行 0°/180° 方向分类
ppocrv5-mobile-rec.onnx 文本行识别
ppocrv5_dict.txt v5 REC 字符索引表
pp_structure_v3_demo.png 官方中文多栏报纸输入图片
text 复制代码 
PaddleOCR 单文件模型：
https://github.com/guojin-yan/DeploySharp/releases/tag/models-paddleocr

默认测试图片：
https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/pp_structure_v3_demo.png

5.2 项目目录

默认组合下载完成后，目录如下。其他组合可以放在同一个 models 目录，程序只会加载所选组合：

text 复制代码 
DeploySharpOcrDemo/
  DeploySharpOcrDemo.csproj
  Program.cs
  models/
    ppocrv5-mobile-det.onnx
    ppocrv5-mobile-cls.onnx
    ppocrv5-mobile-rec.onnx
    ppocrv5_dict.txt
  images/
    pp_structure_v3_demo.png

六、编写完整 OCR 程序

下面代码可以直接替换 Program.cs。它根据组合选择模型，加载本地文件和配套字典，创建三阶段流水线，最后保存文字、结构化结果和原图文字框。

为方便切换，三个可选命令行参数依次为：图片路径、模型组合、模型目录 。这里先使用 batch=1、channels=1 建立逐行识别基线，后面再说明怎样评估 Batch 和通道；密集页面的检测后处理与流水线区域上限都显式设为 512。

csharp 复制代码 
using System.Diagnostics;
using System.Text;
using System.Text.Encodings.Web;
using System.Text.Json;
using JYPPX.DeploySharp;
using JYPPX.DeploySharp.Backends.OnnxRuntime;
using JYPPX.DeploySharp.Models;
using JYPPX.DeploySharp.Registry;
using JYPPX.DeploySharp.Visual;
using JYPPX.DeploySharp.Visual.Models.PaddleOcr;
using JYPPX.DeploySharp.Visual.OpenCV;
using JYPPX.OpenCvSharp.Core;
using JYPPX.OpenCvSharp.ImgProc;
using ImageCodecs = JYPPX.OpenCvSharp.ImgCodecs.Cv2;
using Drawing = JYPPX.OpenCvSharp.ImgProc.Cv2;

Console.OutputEncoding = Encoding.UTF8;
string imagePath = Path.GetFullPath(args.Length > 0 ? args[0] : "images/pp_structure_v3_demo.png");
string variant = args.Length > 1 ? args[1].ToLowerInvariant() : "v5-mobile";
string modelRoot = Path.GetFullPath(args.Length > 2 ? args[2] : "models");
const int batch = 1;
const int channels = 1;

var ids = variant switch
{
    "v4-mobile" => ("ppocrv4/mobile-det", "ppocrv4/legacy-cls", "ppocrv4/mobile-rec"),
    "v4-server" => ("ppocrv4/server-det", "ppocrv4/legacy-cls", "ppocrv4/server-rec"),
    "v5-mobile" => ("ppocrv5/mobile-det", "ppocrv5/mobile-cls", "ppocrv5/mobile-rec"),
    "v5-server" => ("ppocrv5/server-det", "ppocrv5/server-cls", "ppocrv5/server-rec"),
    "v6-tiny" => ("ppocrv6/tiny-det", "ppocrv5/mobile-cls", "ppocrv6/tiny-rec"),
    "v6-small" => ("ppocrv6/small-det", "ppocrv5/mobile-cls", "ppocrv6/small-rec"),
    "v6-medium" => ("ppocrv6/medium-det", "ppocrv5/mobile-cls", "ppocrv6/medium-rec"),
    _ => throw new ArgumentException("版本应为 v4-mobile/server、v5-mobile/server 或 v6-tiny/small/medium。")
};
PaddleOcrModelDescriptor detRow = Find(ids.Item1);
PaddleOcrModelDescriptor clsRow = Find(ids.Item2);
PaddleOcrModelDescriptor recRow = Find(ids.Item3);
string dictionaryPath = Require(recRow.ReleaseArtifact!.DictionaryAssetName!);
OcrCharacterSet characters = PaddleOcrProfiles.LoadCharacterSet(
    dictionaryPath, "local." + variant, "1", useSpaceCharacter: true);
PaddleOcrProfile det = CreateProfile(detRow, maximumBatch: 1);
PaddleOcrProfile cls = CreateProfile(clsRow, maximumBatch: batch);
PaddleOcrProfile rec = CreateProfile(recRow, maximumBatch: batch, characters);

using var backends = new BackendRegistry();
backends.UseOnnxRuntime();
var profiles = new VisualProfileRegistry();
profiles.Register(det.VisualProfile);
profiles.Register(cls.VisualProfile);
profiles.Register(rec.VisualProfile);
profiles.Freeze();
var request = new BackendRequest(BackendCapabilities.TensorInference,
    OnnxRuntimeBackendProvider.BackendId, "cpu");

using var pipeline = new OcrPipeline(
    backends,
    Select(det, detRow), request,
    Select(cls, clsRow), request, cls.CropProfile!,
    Select(rec, recRow), request, rec.CropProfile!,
    new OcrPipelineOptions(maximumConcurrency: 1, maximumRegions: 512,
        maximumRecognitionBatch: batch, maximumRecognitionPaddingRatio: 1.0,
        autoRotateVerticalText: true),
    detectionSessionOptions: new SessionOptions(1),
    orientationSessionOptions: new SessionOptions(channels),
    recognitionSessionOptions: new SessionOptions(channels),
    orientationRejectionPolicy: OcrOrientationRejectionPolicy.UseZeroDegrees);

// 此 Mat 只用于取得原图尺寸及绘图；OCR 输入在内部保留自己的源图。
if (!File.Exists(imagePath)) throw new FileNotFoundException("找不到图片。", imagePath);
using Mat canvas = ImageCodecs.ImRead(imagePath);
if (canvas.Empty) throw new IOException("无法解码输入图片。");
var sourceSize = new VisualSize(canvas.Cols, canvas.Rows);
var prepare = Stopwatch.StartNew();
using OpenCvOcrImageInput input = new OpenCvOcrImageInputFactory().CreateFromFile(
    imagePath, det.VisualProfile.Input.Name,
    OpenCvStage19Preprocessing.CreatePaddleOcrOfficialInferenceDetectionOptions(sourceSize, resizeLong: 1600));
prepare.Stop();
using var cancellation = new CancellationTokenSource();
Console.CancelKeyPress += (_, e) => { e.Cancel = true; cancellation.Cancel(); };
var run = Stopwatch.StartNew();
OcrResult result = await pipeline.RunAsync(input,
    new OcrExecutionOptions(timeout: TimeSpan.FromSeconds(60)), cancellation.Token);
run.Stop();

Console.WriteLine($"backend=onnxruntime;device=cpu;variant={variant};batch={batch};channels={channels}");
Console.WriteLine($"regions={result.Regions.Count}");
Console.WriteLine(FormattableString.Invariant(
    $"prepare_ms={prepare.Elapsed.TotalMilliseconds:F1};run_ms={run.Elapsed.TotalMilliseconds:F1}"));
for (int i = 0; i < result.Regions.Count; i++)
{
    OcrRegionResult item = result.Regions[i];
    Console.WriteLine(FormattableString.Invariant(
        $"[{i + 1:D2}] score={item.Recognition.Confidence:F3};angle={OrientationDegrees(item.Region.Orientation)};{item.Recognition.Text}"));
    var points = item.Region.Polygon.Vertices;
    for (int j = 0; j < points.Count; j++)
    {
        var a = points[j];
        var b = points[(j + 1) % points.Count];
        Drawing.Line(canvas, new Point((int)a.X, (int)a.Y), new Point((int)b.X, (int)b.Y),
            new Scalar(80, 210, 30), 2);
    }
    var first = points[0];
    Drawing.PutText(canvas, (i + 1).ToString("D2"),
        new Point(Math.Clamp((int)first.X, 0, Math.Max(0, canvas.Cols - 35)),
            Math.Clamp((int)first.Y - 4, 18, Math.Max(18, canvas.Rows - 1))),
        HersheyFonts.HersheySimplex, 0.5, new Scalar(10, 10, 230), 1);
}
File.WriteAllLines("result.txt", result.Regions.Select(x => x.Recognition.Text), new UTF8Encoding(false));
var report = new
{
    variant, backend = "onnxruntime", device = "cpu", batch, channels,
    sourceSize = new { width = result.SourceSize.Width, height = result.SourceSize.Height },
    timing = new { prepareMs = prepare.Elapsed.TotalMilliseconds, runMs = run.Elapsed.TotalMilliseconds },
    regions = result.Regions.Select((x, i) => new
    {
        index = i + 1, text = x.Recognition.Text, confidence = x.Recognition.Confidence,
        detectionScore = x.Region.Score, angle = OrientationDegrees(x.Region.Orientation),
        polygon = x.Region.Polygon.Vertices.Select(p => new { x = p.X, y = p.Y })
    })
};
File.WriteAllText("result.json", JsonSerializer.Serialize(report, new JsonSerializerOptions
{
    WriteIndented = true, Encoder = JavaScriptEncoder.UnsafeRelaxedJsonEscaping
}), new UTF8Encoding(false));
if (!ImageCodecs.ImWrite("result.jpg", canvas)) throw new IOException("无法保存结果图。");
Console.WriteLine("saved=result.txt,result.json,result.jpg");

static int OrientationDegrees(TextOrientation orientation) => orientation switch
{
    TextOrientation.Degrees0 => 0,
    TextOrientation.Clockwise90 => 90,
    TextOrientation.Degrees180 => 180,
    TextOrientation.CounterClockwise90 => 270,
    _ => throw new ArgumentOutOfRangeException(nameof(orientation))
};

PaddleOcrModelDescriptor Find(string id) => PaddleOcrModelCatalog.Find(new ModelId("paddleocr/" + id));

string Require(string file)
{
    string path = Path.Combine(modelRoot, file);
    return File.Exists(path) ? path : throw new FileNotFoundException("缺少模型或字典。", path);
}

PaddleOcrProfile CreateProfile(PaddleOcrModelDescriptor row, int maximumBatch, OcrCharacterSet? dictionary = null)
{
    // 本地加载：使用目录中的模型规格，不要求填写模型来源元数据。
    var contract = new PaddleOcrArtifactContract(row.ReleaseArtifact!.Opset,
        "", "", "", "Apache-2.0", "local-input-v1", "local-output-v1");
    if (row.Family == "det")
        return PaddleOcrProfiles.CreateDetection(row.ModelId, contract, row.InputName, row.OutputName,
            postprocess: new PaddleDbPostprocessOptions(maximumRegions: 512), maximumBatch: maximumBatch);
    return PaddleOcrModelCatalog.CreateProfile(row, contract, dictionary, maximumBatch);
}

VisualProfileSelection Select(PaddleOcrProfile profile, PaddleOcrModelDescriptor row) =>
    profiles.Select(profile.CreateArtifact(Require(row.ReleaseArtifact!.AssetName)),
        backends, request, profile.VisualProfile.Task);

七、关键实现：从三个模型到一个结果

7.1 目录选择和本地文件加载

代码中的 PaddleOcrModelCatalog 用于查找模型规格，例如 v4 Mobile DET 的输出名与 v5 Mobile DET 并不相同。通过目录选择 Profile，便可以复用对应的检测解码、方向类别和识别配置。

ReleaseArtifact 提供文件名和模型规格，Require 检查本地文件，CreateArtifact 将路径交给后端。模型使用前面下载到 models 目录中的文件。

CreateProfile 为 DET 声明单图输入，CLS 和 REC 的 Batch 上限由顶部的 batch 控制，默认逐行运行。调整 Batch 时，需要所用模型支持对应的批次大小。

测试这张密集报纸时，我把两个区域上限都设为了 512：一个是 DB 后处理的 PaddleDbPostprocessOptions.maximumRegions，另一个是 OcrPipelineOptions.maximumRegions。DB 后处理默认最多返回 128 个区域，单独调大流水线的上限，前面仍会截断。本图调整后返回了 144 个区域。

7.2 检测前处理与文本行裁剪

检测输入使用 CreatePaddleOcrOfficialInferenceDetectionOptions。为了保留页面中的小字，这里传入 resizeLong: 1600，1524 × 1368 原图经过尺寸对齐后为 1536 × 1408，使用 BGR 和配套均值、标准差归一化。检测尺寸会影响小字效果和计算开销，换图时可以结合文字大小与设备能力调整。

DET 的 DB 后处理将概率图转换为文字区域，默认采用概率阈值 0.3、框阈值 0.6 和扩张比例 1.5。随后，OcrPipeline 从 OCR 输入保留的同一张原图中透视裁剪文本行，再按 CLS 和 REC 各自的配置准备输入。

REC 默认按高度 48 保持比例准备动态宽度，组批时为同一批文本行补齐宽度。方向分类则有不同配置：legacy CLS 使用 BGR、48×192；本篇 v5 CLS 使用 RGB、80×160。它们由对应 Profile 处理，不需要在主程序中手工旋转每一行。

程序另外读取一份 canvas，用于获取尺寸和绘图。OCR 输入持有自己的源图，所有文本行裁剪都复用这张图。

7.3 字典和 CTC 为什么必须对应

REC 输出的每个时间步包含各字符类别的分数。CTC（Connectionist Temporal Classification）解码先选择类别，再按规则合并相邻重复项、移除 blank，最后按字典映射成文字。

下面用一段示意序列说明 CTC 的解码过程：

LoadCharacterSet 按字典顺序读取字符。本例使用 useSpaceCharacter: true，由加载器追加模型需要的空格类别；blank 由 CTC 配置管理。使用自有字典时，按模型约定配置空格和 blank，保留它们各自的索引。

如果 REC 类别数不匹配或输出乱码，先核对模型与字典是否配套，再检查空格配置、blank 索引和输出是否已经过 Softmax。

7.4 方向、坐标、异步和资源释放

本例启用 CLS 和 autoRotateVerticalText。高宽比至少为 1.5 的细长文字框先逆时针旋转 90°，其余区域执行文本行 0°/180° 分类。前者用于处理侧着印刷的长条文字；中文竖排的阅读分析需要另行处理。

方向分类的默认拒识阈值为 0.9。这里选择 UseZeroDegrees，低置信度时按 0° 继续识别；如果业务要求方向不确定就报错，可以改用 Fail。

item.Region.Polygon 返回原图像素坐标，可以直接绘制。Region.Orientation 记录文本行在识别前采用的离散旋转方向。

程序通过 RunAsync 等待完整结果，调用超时设为一分钟，按 Ctrl+C 可以取消。等待调用结束后，再释放输入资源。

输入、流水线、后端注册表和 Mat 都通过 using 释放。OpenCvOcrImageInput 持有原图和裁剪工作区，返回的文字与坐标则是独立的托管结果。批量处理图片时，可以复用 Profile、注册表和流水线，为每张图分别创建、释放输入。

八、运行程序，查看实际识别结果

8.1 默认 v5 Mobile 的真实输出

在项目目录执行：

shell 复制代码 
dotnet run -c Release

Windows ORT CPU 返回了 144 个文字区域 。下面节选部分输出，完整文字保存在 result.txt，全部区域、分数和坐标保存在 result.json。Ubuntu 的运行结果与后端对照见第 8.4、8.5 节。

text 复制代码 
backend=onnxruntime;device=cpu;variant=v5-mobile;batch=1;channels=1
regions=144
prepare_ms=107.2;run_ms=5879.9
[01] score=0.997;angle=0;助力双方交往
[02] score=0.999;angle=0;搭建友谊桥梁
[03] score=0.955;angle=0;本报记者沈小晓任彦黄培昭
[04] score=0.999;angle=0;身着中国传统民族服装的厄立特里亚青
[05] score=0.998;angle=0;厄立特里亚高等教育与研究院合作建立，开
[06] score=0.996;angle=0;年依次登台表演中国民族舞、现代舞、扇子舞
[07] score=0.997;angle=0;设了中国语言课程和中国文化课程，注册学
[08] score=0.997;angle=0;等，曼妙的舞姿赢得现场观众阵阵掌声。这
...（第 09---23 项省略）...
[24] score=0.234;angle=0;90-
...（第 25---44 项省略）...
[45] score=0.995;angle=0;在厄立特里亚不久前举办的第六届中国风筝文化节上，当地小学生体验风筝制作。
...（第 46---144 项省略）...
saved=result.txt,result.json,result.jpg

控制台时间来自一次未预热运行，prepare_ms 和 run_ms 的计时范围见第 9.2 节；预热后的多后端对照放在第 8.5 节。

下图是同次运行生成的 result.jpg。绿色线标出区域，红色编号与控制台编号、JSON 中的 index 对应，结果保留原图 1524 × 1368 尺寸：

可以看到，大标题、密集正文和长图注都进入了识别结果。照片内的第 24 区域输出了 90-，分数只有 0.234，属于需要复核的低置信度候选；引号、标点和个别字也有进一步校正的空间。

这页采用多栏排版，当前 OCR 按几何位置排序，相近高度的左右栏文字会穿插。要按栏目组织文字、区分标题和图注，可以先做版面分析，再在各区域内运行 OCR，第六篇会介绍这种处理方式。

8.2 三种输出文件怎样使用

文件 保存内容 使用方式
result.txt 按结果顺序保存的逐区域文字，UTF-8 查看文本、复制到后续业务
result.json 文字、识别分数、检测分数、方向、原图 polygon 和计时 与区域编号关联，接入业务或界面
result.jpg 原图上的文字框和编号 检查定位、漏检、误检及坐标

查看文字时用 TXT，接入业务时读取 JSON，检查定位时打开图片。三种输出与 OcrResult 字段的关系如下：

JSON 中的 confidence 是识别置信度，detectionScore 是文字区域的检测分数。angle 将方向枚举转换为顺时针 0/90/180/270，记录识别前的离散旋转处理；polygon 保存原图坐标。

绘图使用 OpenCV 内置 Hershey 字体，只写数字编号；该字体不适合直接绘制中文。需要在界面显示中文时，可以用 WPF/WinForms、SkiaSharp 或其他支持中文字体的绘制组件，按相同编号关联文字。

8.3 切换 v4、v6 或自己的图片

先把第五节下载命令中的 variant（PowerShell 为 $variant）改为所需组合，下载对应文件，再通过第二个程序参数选择相同组合。下面的正斜杠路径可用于 Bash 和 PowerShell：

shell 复制代码 
dotnet run -c Release -- ./images/pp_structure_v3_demo.png v4-mobile ./models
dotnet run -c Release -- ./images/pp_structure_v3_demo.png v6-tiny ./models

同一份代码在三个组合上的结果如下，均使用 ORT CPU，执行 DET、裁剪、CLS、REC 和结果合并：

模型组合 返回区域数 第一行识别文字 运行结果
v4 Mobile + legacy CLS 143 助力双方交往 完整运行并保存三个结果文件
v5 Mobile + Mobile CLS 144 助力双方交往 完整运行并保存三个结果文件
v6 Tiny + v5 Mobile CLS 145 助力双方交往 完整运行并保存三个结果文件

三个组合都识别出了页面标题，检测区域数略有不同。可以打开各自的 JSON 和结果图，继续比较小字、标点和低分区域的识别效果。

换自己的图片和模型目录时，传入实际路径：

shell 复制代码 
dotnet run -c Release -- ./images/my-document.jpg v5-mobile ./my-models

程序按标准文件名加载模型。使用自己训练或重新导出的模型时，同步配置张量名称、输入高度、颜色、归一化、动态宽度、Batch 和字典。符合 PP-OCR 输出结构的模型可以使用 PaddleOcrProfiles 工厂，传入对应输入输出名；其他结构则编写自己的 Profile 或 Decoder。

三个结果文件会写到当前工作目录，再次运行会覆盖前一次。需要保留多个版本或多张图的结果时，应按图片或组合名称设置各自的输出目录。

8.4 放到 Ubuntu，同一份代码怎样运行

在 Ubuntu 上安装 .NET 10，按第 4.2 节准备 Linux OpenCV runtime，再下载模型和图片。使用第六节的 C# 主程序，在工程目录执行：

bash 复制代码 
dotnet run -c Release -- ./images/pp_structure_v3_demo.png v5-mobile ./models

Ubuntu ORT CPU 同样返回 144 个区域 ，逐区域文字与 Windows 结果一致，并写出 result.txt/result.json/result.jpg。

程序直接保存文件，可以在没有图形桌面的服务器或边缘设备上运行，再把结果取回开发机查看。

8.5 Ubuntu 上运行 OpenVINO、OpenCV DNN 与 TensorRT

我把多后端版本整理成了一个独立工程，为 DET、CLS、REC 分别配置后端注册表。切换引擎时，保持字典、原图、检测尺寸、DB 阈值、裁剪和 CTC 解码相同。

text 复制代码 
Ubuntu PaddleOCR 后端对照工程：
https://github.com/guojin-yan/DeploySharp/tree/DeploySharpV2.0/docs/blog/2.0.0/2026-10/examples/03-paddleocr-backends

将该目录中的 Program.cs 与 PaddleOcrBackends.csproj 下载到一个与基础案例并列的新目录。工程里已引用各后端包；下面列出这次使用的引擎与原生环境，方便核对：

后端 本次环境与准备
ORT CPU Microsoft.ML.OnnxRuntime 1.28.0
OpenVINO CPU OpenVINO.runtime.ubuntu.22-x86_64 2026.3.1，选择 Latency 提示
OpenCV DNN CPU 与图像组件共用 JYPPX.OpenCV.runtime.ubuntu.22.04-x64 5.0.0
TensorRT CUDA TensorRT 11.0.0.114、CUDA 12.9、cuDNN 9.22.0、RTX 2060
TensorRT bridge JYPPX.TensorRT.CSharp.API.Runtime.linux-x64.ubuntu22.04.trt11.0.cuda12.9.cudnn9.22.Bridge 4.0.0

OpenVINO 原生库还依赖同目录的版本化 .so。先还原包，再为当前进程设置 OpenCV、OpenVINO 和 CUDA 搜索路径，在后端对照工程目录执行：

bash 复制代码 
dotnet restore
opencv_native="$HOME/.nuget/packages/jyppx.opencv.runtime.ubuntu.22.04-x64/5.0.0/runtimes/ubuntu.22.04-x64/native"
openvino_native="$HOME/.nuget/packages/openvino.runtime.ubuntu.22-x86_64/2026.3.1/runtimes/linux-x64/native"
cuda_native=/usr/local/cuda-12.9/lib64
export LD_LIBRARY_PATH="$opencv_native:$openvino_native:$cuda_native:${LD_LIBRARY_PATH:-}"

image=../DeploySharpOcrDemo/images/pp_structure_v3_demo.png
models=../DeploySharpOcrDemo/models
dotnet run -c Release -- "$image" v5-mobile "$models" openvino
dotnet run -c Release -- "$image" v5-mobile "$models" opencv-dnn
dotnet run -c Release -- "$image" v5-mobile "$models" tensorrt

这里假定基础案例叫 DeploySharpOcrDemo；按自己的实际位置修改 image/models，CUDA 安装目录不同也要相应修改。需要重新运行 ORT CPU 时，最后一个参数使用 ort-cpu。结果按后端与组合写入 results/<backend>/<variant>/，控制台只打印前 10 个区域，完整文字和区域继续写入 TXT/JSON。

TensorRT 首次运行会通过库的 TensorRtOnnxEngineBuilder 在 Ubuntu 目标 GPU 上构建三份 Engine ，以后复用模型旁的 .ubuntu-trt11.engine。本次 Profile 如下：

阶段 Engine 接受的输入
DET 固定 1 × 3 × 1408 × 1536，对应本文页面的前处理
CLS 固定 1 × 3 × 80 × 160
REC 1 × 3 × 48 × W，W 的 min/opt/max 为 48/320/3200

代码选择 TensorRtApiVersion.TensorRt11，Profile 和工件格式都设为 tensorrt-engine。TensorRT 11 使用强类型网络，这里保留 Float32 图并关闭 TF32。Engine 在 Ubuntu 目标 GPU 上构建；更换模型、输入尺寸、GPU 或 TensorRT 版本后，重新生成匹配的文件。

下面是同一 Ubuntu 设备上的完整流程结果。四条路径都执行 DET → 透视裁剪 → CLS → REC → 合并 ，统一 batch=1 / channels=1 / paddingRatio=1.0 / maximumRegions=512 / resizeLong=1600：

后端 区域数 相对 ORT CPU 的逐区域文字 完整调用 P50 / ms P95 / ms
ORT CPU 1.28.0 144 基线 4893.204 5103.264
OpenVINO CPU 2026.3.1 144 144/144 一致 3882.420 3924.977
OpenCV DNN CPU 5.0.0 144 144/144 一致 14151.585 14544.885
TensorRT 11.0.0.114 CUDA 144 144/144 一致 2160.845 2198.410

将四种后端的完整调用时间画成图，可以更直观地看出差异：

本次预热 2 次、统计 5 次，按 nearest-rank 计算 P50/P95 。计时从读图、检测前处理开始，到完整 RunAsync 返回结束，不包含 Session/Engine 构建、绘图和文件写出。样本数为 5，因此 P95 取本次最大值；评估长期运行性能时，需要增加采样次数。

这页包含 144 个候选区域，检测输入较大，而且采用逐行识别。TensorRT 执行 DET、CLS、REC，裁剪和结果解码仍在 CPU。若继续优化，可以从文本行 Batch、独立通道和 CUDA 专用裁剪、CTC 路径入手，再测完整调用时间。

OpenCV DNN 在这页上耗时较高。工程保留动态识别宽度，Shape 缓存容量为 16，宽度种类多时可能反复专门化和导入网络。固定宽度或宽度分桶可以作为调优方向，测试时同时检查补边对识别文字的影响。

四种后端的 144 条区域文字与 ORT CPU 一致，照片内的低分候选、标点和多栏排序问题也保留在结果中。后端对照之后，还需要用标注数据评估识别准确率。

九、Batch、推理通道与时间应该怎样看

9.1 一张图，多条文字行

本例 DET 对整张图执行一次。检测完成后，CLS 和 REC 面对的是多条文本行：Batch 控制一次送入多少行，Session 数量控制同时有多少个独立推理器处理批任务。

文本行组批、Session 调度和图片级并发的关系如下：

配置 本文值 控制什么
maximumRecognitionBatch 1 一个识别批次最多包含多少条文本行
CLS/REC Profile 的 maximumBatch 1 声明对应模型允许的最大 Batch，要与实际导出能力匹配
orientationSessionOptions / recognitionSessionOptions 各 1 各阶段独立 Session 的数量
maximumConcurrency 1 同时进入这条流水线的完整 OCR 调用上限
maximumRecognitionPaddingRatio 1.0 宽度组批时允许的补边计算比例

想评估两个独立 CLS/REC 通道，可以将代码顶部的 channels 改为 2。这会创建独立推理会话，增加内存或显存开销；CPU 后端本身也可能使用多线程，因此增加通道不一定更快。

评估批处理时，可以将顶部 batch 从 1 改为 8，Profile 和流水线会使用同一个上限。实际批次还会考虑文本行宽度和补边比例，较短的文字与超长行通常需要分组。本例的补边比例为 1.0，放宽到 1.5 后，可以容纳更多宽度不同的文本行。

我在另一张商品图上测试时，v5 Mobile 使用 batch=8 / paddingRatio=1.5，价格行出现了漏字，改回逐行识别后恢复。因此这里先用逐行配置建立基线。后续调整 Batch 和补边时，把每行文字与基线一起比较，检查补边和归一化是否符合模型要求。

9.2 本文记录的时间包含什么

基础程序分别记录输入准备和流水线执行时间：

字段 包含内容 未包含内容
prepare_ms 创建 OCR 输入时的图片解码、检测前处理和输入准备 模型加载、绘图画布的单独解码
run_ms 等待完整 RunAsync：DET、文本行准备、CLS、REC、解码与结果合并 模型/Session 构建、前面的输入创建、绘图、TXT/JSON/JPG 写出

基础程序打印一次运行的 prepare_ms 和 run_ms；第 8.5 节的对照工程则预热后重复测量完整调用。进一步分析时，可以读取 result.Timing 中的 Detection、OrientationClassification 和 Recognition 阶段信息。

Timing.Details 的部分字段累计了多个批次的准备或推理工作时间。并发阶段会重叠，端到端耗时应单独计时，再计算完整调用的 P50/P95。

比较性能时，固定图片、模型、输入规格、后端、Batch 和通道，先预热，再重复采样，同时比较文字结果。仓库的设备实测文档还记录了其他设备上的 OCR 完整流水线与对应配置：

text 复制代码 
Batch、Session 池和并发：
https://github.com/guojin-yan/DeploySharp/blob/DeploySharpV2.0/docs/articles/batch-session-concurrency.md

设备性能实测：
https://github.com/guojin-yan/DeploySharp/blob/DeploySharpV2.0/docs/articles/device-performance-benchmarks.md

性能测试方法：
https://github.com/guojin-yan/DeploySharp/blob/DeploySharpV2.0/docs/articles/performance-benchmarking.md

9.3 长文本、低分行与区域 OCR

遇到超长文本，可以选择动态宽度、宽度分桶、溢出拒绝或重叠长行窗口。低分行可以尝试方向重试、宽度重试和裁剪增强，逐项比较准确率与耗时，选择适合自己数据的组合。

已有文字行框或表格单元格区域时，可以用仅识别流水线直接执行 REC。版面区域通常还需要区域内的文字检测，表格 HTML 则需要结构识别，这些会在 PP-Structure 案例中继续介绍。

十、常见问题与处理方法

现象 优先检查 处理方向
找不到模型、字典或图片 工作目录、所选 variant、第三个参数的模型根目录 按第五节下载所选组合，保留对应标准文件名
原生 DLL 加载失败 x64、OpenCV runtime、ORT CPU 原生包和本机依赖 使用本文同版本组合；缺少 MSVC 运行库时按异常提示补齐
Ubuntu 提示 .so 或版本化依赖找不到 对应 Linux runtime 是否已还原、native 目录是否在进程搜索路径 按第 4.2/8.5 节设置 LD_LIBRARY_PATH，结合 ldd 补齐依赖
输出张量名称不匹配 模型是否来自本文这组 Release，是否替换了导出图 对照实际张量名配置 Profile
REC 类别数不一致或文字乱码 模型和字典是否配套、空格与 blank 的处理 保持字典顺序，确认空格类是否由加载器追加
图片里有字，但没有框 检测输入尺寸、颜色、归一化及 DB 阈值 先用示例模型和图片复现，再针对小字与低对比度逐项调整
文字被截断或长行错误较多 文本框边界、裁剪比例、识别最大宽度与溢出策略 对照原图检查；按需要评估长行窗口或宽度策略
中文在结果图上显示问号 是否使用 OpenCV 内置 Hershey 字体画中文 保留编号，中文在界面或支持中文字库的组件中绘制
加大 Batch 或 Session 后更慢 宽度补边、CPU 线程争抢、模型固定 Batch、内存占用 固定输入比较完整流水线，逐个调整配置
换成 TensorRT/OpenCV 后不能原样运行 Engine、后端注册、Batch/Shape 与适配路径 按具体后端教程准备，先核对精确模型验证状态

排查异常时，先根据完整错误定位到模型加载、裁剪还是解码阶段，再检查对应配置。

text 复制代码 
OCR 基础教程：
https://github.com/guojin-yan/DeploySharp/blob/DeploySharpV2.0/docs/articles/visual-ocr.md

PaddleOCR 三模型流水线：
https://github.com/guojin-yan/DeploySharp/blob/DeploySharpV2.0/docs/articles/visual-paddle-ocr3.md

模型与后端验证矩阵：
https://github.com/guojin-yan/DeploySharp/blob/DeploySharpV2.0/docs/model-backend-verification-matrix.md

十一、总结与后续

本篇从创建项目、下载模型开始，完成了 DET → 文本行裁剪 → CLS → REC → 文字与原图区域 的流程。同一份基础代码在 Windows 和 Ubuntu 上运行，Ubuntu 还对照了四种推理后端。

大家可以先用 v5 Mobile 运行示例，再换成自己的图片，比较 v4、v6 或 Server 组合。得到文字和原图坐标后，就可以继续接入界面、业务规则和文档处理。

接下来会展开多后端与离线部署，再进入 PP-Structure 的版面区域、表格结构与 HTML 输出，以及更完整的页面任务组合。

text 复制代码 
本文主稿与配图：
https://github.com/guojin-yan/DeploySharp/blob/DeploySharpV2.0/docs/blog/2.0.0/2026-10/2026-10-28-03-paddleocr-pipeline.md

系列目录：
https://github.com/guojin-yan/DeploySharp/blob/DeploySharpV2.0/docs/blog/2.0.0/README.md

问题反馈：
https://github.com/guojin-yan/DeploySharp/issues

DeploySharp 库代码采用 Apache License 2.0；PaddleOCR 模型、字典和第三方运行库遵循各自许可。反馈问题时请附上组合、后端、环境、输入与最小复现代码，方便定位。

相关推荐
roman_日积跬步-终至千里1 小时前
【数据建模入门】从一家小店看懂数仓与机器学习：先理业务，再串技术
数据仓库·人工智能·机器学习·数据分析·数据建模
昂好的day1 小时前
C# 同步异步与多线程：Thread / Task / 线程池一次讲透（上篇）
开发语言·windows·c#
Java后端的Ai之路1 小时前
01、Java并发编程：学习攻略如何才能学好并发编程？
java·开发语言·学习
BJ_Bonree1 小时前
聊点技术 | Bonree ONE 业务链路观测实战 支付成功率下降，问题究竟出在哪一环？
大数据·人工智能
Bode_20021 小时前
TRIZ 理论知识体系与架构全景图
人工智能
richard_first1 小时前
第21章 训练一个简单的 GPT
人工智能·gpt·深度学习
Highcharts.js1 小时前
Highcharts 集成到 React 或 Vue 项目中时，如何高效地使用 TypeScript技巧？
vue.js·人工智能·react.js·typescript·前端框架·highcharts
小lo想吃棒棒糖1 小时前
把 启元机器人Q1 的训练搬到昇腾 910B：从 MuJoCo 到 PPO 的一次完整迁移
人工智能·python·机器人·昇腾·具身智能
收放扳机1 小时前
PCB自动化整机“末端执行器”与“机械手负载”的匹配选型
人工智能·科技·自动化·制造·pcb工艺
热门推荐
01如何新建文件夹？ 电脑新建文件夹的4种方法02国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）03GitHub 镜像站点04历年考研数学一、数学二、数学三真题试卷及答案PDF05几个好用的ip纯净度检测网站06Android 屏幕适配系列开篇：核心概念、官方机制与主流方案07Dify：一站式AI应用开发平台全解析与Windows部署指南08苹果iPA游戏软件资源下载网站09蜘蛛磁力 搜索引擎大全，如何使用蜘蛛磁力查找磁力链接10昇腾910B系列芯片完全指南：四款型号对比、服务器选型与大模型部署实战