您可以对提取效果差的 case 进行分析，通过可视化图像，确定是哪个模块存在问题，并参考以下表格中对应的微调教程链接进行模型微调。在修改完成配置文件后，通过命令行的 --paddlex_config 参数指定修改后的产线配置文件的路径，PaddleOCR 会读取其中的内容作为产线配置。当您使用私有数据集完成微调训练后，可获得本地模型权重文件，然后可以通过自定义产线配置文件的方式，使用微调后的模型权

¶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。

PaddleOCR是由百度研发的一款OCR（Optical Character Recognition，光学字符识别）开源工具，它基于飞桨深度学习开源框架，旨在打造一套丰富、领先且实用的OCR工具库，以打通数据准备、模型训练、压缩和推理部署的全流程。

paddleocr pp_chatocrv4_doc -i https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/vehicle_certificate-1.png -k 驾驶室准乘人数 --qianfan_api_key your_api_key --use_doc_orientation_classify Fals

SAST模型训练额外加入了icdar2013、icdar2017、COCO-Text、ArT等公开数据集进行调优。

在XFUND_zh数据集上，不同模型的精度与V100 GPU上速度信息如下所示。在wildreceipt数据集上，SDMGR模型精度与下载地址如下所示。下载模型或者使用自己训练好的模型配置到。如需要使用其他OCR模型，可以在。

复杂的模型有利于提高模型的性能，但也导致模型中存在一定冗余，模型裁剪通过移出网络模型中的子模型来减少这种冗余，达到减少模型计算复杂度，提高模型推理性能的目的。本教程将介绍如何使用飞桨模型压缩库PaddleSlim做PaddleOCR模型的压缩。集成了模型剪枝、量化（包括量化训练和离线量化）、蒸馏和神经网络搜索等多种业界常用且领先的模型压缩功能，如果您感兴趣，可以关注并了解。

文本方向分类器主要用于图片非0度的场景下，在这种场景下需要对图片里检测到的文本行进行一个转正的操作。在PaddleOCR系统内， 文字检测之后得到的文本行图片经过仿射变换之后送入识别模型，此时只需要对文字进行一个0和180度的角度分类，因此PaddleOCR内置的 文本方向分类器只支持了0和180度的分类。如果想支持更多角度，可以自己修改算法进行支持。

重要说明：数据集里面包含一个yolov5-7.0训练的s的pytorch模型，训练了150epoch，一共有3个类别{0: 'pedestrians', 1: 'riders', 2: 'partially-visible persons'}，注意数据集只提供一个类别person。格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)标注类别名称:["BacterialBlight","Blast","Brownspot"]特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。重要说明：数据集1/3是原图,2/3是增强图片，请仔细查看斟酌下载