推理图片文字量过多时，会丢失部分数据

[lxutils]

我在用官方提供的模型推理一批50005000左右的图纸时，发现有一部分较复杂文本量较多的图纸会出现从图片顶部开始以一条直线为界很整齐的丢失一部分数据。最开始我以为是图纸中线框过多导致的，但是经过多次测试发现和图片中的总字数有关。出于信息安全的原因，我用Pillow生成了一张50005000的纯文字，并写了一个简单的页面展示该现象。图片如下：

感觉每次都是从顶部开始很整齐的以一条直线为界丢失，也不是随机丢失，就很奇怪
我的推理参数如下：

ocr = PaddleOCR(
                    det_model_dir='./models/det/ch/ch_PP-OCRv4_det_server_infer',
                    rec_model_dir='./models/rec/ch/ch_PP-OCRv4_rec_server_infer',
                    det_limit_side_len=5000,  # 增大预测尺寸至5000px
                    use_angle_cls=True)

请问这种情况是什么原因导致的？需要怎么修改？

[GreatV]

根据你描述的情况，推理图片文字量过多时，会丢失部分数据，尤其是从图片顶部开始以一条直线为界整齐地丢失一部分数据。这种现象可能与以下几个原因有关：

1. 内存限制：高分辨率图片（如5000*5000）在进行OCR推理时，可能会占用大量内存。如果内存不足，可能会导致部分数据丢失。尤其是在处理复杂、文本量大的图片时，内存压力更大。

2. 模型输入尺寸限制：虽然你已经将det_limit_side_len设置为5000，但模型本身可能对输入图片的尺寸有一定的限制。如果图片尺寸过大，模型可能无法正确处理所有区域，导致部分数据丢失。

3. 切片操作：你提到使用了切片操作进行识别。如果切片参数设置不当，可能会导致部分区域未被正确处理。例如，切片的重叠区域不足，可能会导致某些文本区域被遗漏。

解决方案

1. 增加内存资源：确保你的系统有足够的内存来处理高分辨率图片。如果使用GPU，确保GPU内存足够。

2. 调整切片参数：如果使用切片操作，可以尝试调整切片参数，增加切片的重叠区域，以减少漏识别的情况。例如，增加horizontal_stride和vertical_stride的值，或者调整merge_x_thres和merge_y_thres的值。

3. 分批处理：如果图片尺寸过大，可以考虑将图片分成多个较小的部分进行分批处理，然后再将结果合并。这样可以减少单次处理的内存压力。

4. 优化模型参数：检查模型的参数设置，确保它们适合处理高分辨率图片。例如，可以尝试调整det_limit_side_len的值，或者使用更高性能的模型。

5. 更新模型版本：确保你使用的是最新版本的PaddleOCR，因为新版本可能已经修复了类似的问题。

参考

你可以参考以下讨论，了解其他用户在处理类似问题时的经验：

• 图片文本识别有的文字没有被识别到

希望这些建议能帮助你解决问题。如果问题仍然存在，建议进一步调试代码，或者联系PaddleOCR的开发者社区获取更多帮助。

---

Response generated by 🤖 feifei-bot | deepseek-chat

⚠️ This is an AI-generated response. Please verify any critical information.

[GreatV]

图片太大了，可能得切片后再处理

[lxutils]

谢谢您的回复。一开始我用的就是官方提供的slice切片方法，就是因为切片后总有部分内容可能是因为切片后被截断导致识别效果很差，所以才增大了预测尺寸。增大预测尺寸后效果很不错，但是就会出现我问题说的那种丢失的情况。像这种一条线的有规律丢失具体是什么原因导致的呢？除了切片外还有什么办法可以解决嘛？

[GreatV]

可以提供一些测试图片，我试试看。

[lxutils]

test_pic.zip
您好，这张图您可以试试，我目前的slice配置如下：
slice = {'horizontal_stride': 500, 'vertical_stride': 300, 'merge_x_thres': 50, 'merge_y_thres': 50}
切片后倒是不会出现上半部分以一条线为界丢失的情况，但是会出现随机的部分内容识别不到或者直接识别错误。

[GreatV]

wrok well for me

from paddleocr import PaddleOCR
from PIL import Image, ImageDraw, ImageFont

ocr = PaddleOCR(use_angle_cls=True, lang="en")

img_path = "./test_pic.jpg"
slice = {'horizontal_stride': 300, 'vertical_stride': 500, 'merge_x_thres': 50, 'merge_y_thres': 35}
results = ocr.ocr(img_path, cls=True, slice=slice)

# 加载图像
image = Image.open(img_path).convert("RGB")
draw = ImageDraw.Draw(image)
font = ImageFont.truetype("./doc/fonts/simfang.ttf", size=20)  # 根据需要调整大小

# 处理并绘制结果
for res in results:
    for line in res:
        box = [tuple(point) for point in line[0]]
        # 找出边界框
        box = [(min(point[0] for point in box), min(point[1] for point in box)),
               (max(point[0] for point in box), max(point[1] for point in box))]
        txt = line[1][0]
        draw.rectangle(box, outline="red", width=2)  # 绘制矩形
        draw.text((box[0][0], box[0][1] - 25), txt, fill="blue", font=font)  # 在矩形上方绘制文本

# 保存结果
image.save("result.jpg")

[lxutils]

我在本地用6500的预测尺寸并关闭slice跑了一遍和您的结果做了个对比，可以看到左侧您的结果绿色框选部分有相当多的文本丢失，并且会出现检测框横跨好几段文本组成一个大框的情况。我当时使用默认预测尺寸并关闭slice和您的结果是一样的。图中我用6500的预测尺寸跑的对比图里首先不会有检测狂横跨好几段文本组成一个大框的情况，而且明显漏检的情况比slice开启要小很多，唯一的缺点就是图片上部有很整齐的批量丢失。