一些建议：任务流程/返回值/优化相关

[hiroi-sora]

首先感谢您的v1.0版本更新，不仅准确度有很大提升，模型库配置参数也比以往简化了很多，可以完全摆脱C盘路径了。赞！

以下是我的一些建议和使用感受。

1. 有无可能 仅做一次det文本检测？

有没有可能省掉 detect_only ，直接把 analyzer 中 不是公式 的区域送去 recognize_only ？

再看了看源码，LayoutAnalyzer的mfd是只能检测公式区域的，det还是不能省。

2. 缺失了方向分类器cls。

未来可否补上 90°/180° 方向纠正功能？

想了想，cls使用频率确实不高，也不好融入现有的混合识别任务流程。先放着也行。

3. 希望文字识别的返回结果中带上置信度score。

你代码的处理流程中已经考虑了该值，但是接口函数的 这里 却没有将该值加入结果。希望能加上 box['score'] = part_res['score'] 。

如果是为了兼容公式识别的输出格式（不带置信度）的话，我觉得给公式结果直接补个 ["score"] = 1.0 是没有问题的。

4. 请为文本接口 recognize_text 加上“返回格式”的选项。

目前 recognize_text 返回的是合并好的单个字符串。希望提供一个参数，能让该方法返回与 recognize 一致的结构，即包含文本、位置、置信度的列表。

虽然说目前可以调用 p2t.text_ocr.ocr(np.array(image)) 实现，不过还是希望P2T封装这部分操作~

5. 能否加快初始化速度？

每次 from pix2text import Pix2Text 时，都要花费数十秒时间~半分钟进行初始化。有没有办法加快初始化速度？

平台差异。

6. 未来能否优化部署方案？

当前P2T依赖一些大体积库，如1G大小的 pytorch 。如果要部署到普通个人用户的机器上，比如作为我 Umi-OCR的插件 ，那么过于庞大的体积会造成很多限制。

我希望未来能提供更小巧、更优雅的部署方案。如果像 RapidOCR 一样，支持 C++ onnx 部署，那就太好了！

[breezedeus]

非常感谢这么详细的建议❤️。下面做下简单回复。

1. 文本检测是只做了一次的，recognize_only是不做检测的，只做单行文字的识别。
2. 现在这个优先级确实不高。
3. 这个应该可以，之后应该可以加上。
4. 这个应该可以，之后应该可以加上。
5. 这个我先验证下哪里慢了。我本地速度还行😅。欢迎更详细的耗时分析😁
6. 依赖 PyTorch 的地方很多，Pix2Text 是一个系统，不是一个模型，会依赖其他工具包，不太可能都移除掉。倒是可以关注下 PyTorch 之后端侧会不会有针对性的优化。

[hiroi-sora]

补充：

1. 之前是我理解错了，以为 analyzer 是自带文本检测的。重新看了看源码，LayoutAnalyzer-mfd只能检测公式区域。所以det确实不能省略。

---

4. 关于初始化速度，我重新做了实验：

在刚装好库的状态下（无缓存文件__pycache__），第一次import pix2text，不同平台需要 20s 以上的时间初始化。这应该是没法避免的。

在生成了缓存__pycache__后，在Intel平台上（13600K+32g），每次 import 只需 2.5s 左右，速度足够快。

在AMD平台上（7840HS + 32g），每次 import 要 4~6s ，显著比Intel慢，不过也可以接受。

通过 python -X importtime 分析耗时，发现在两个平台间，主要是这些步骤拉开时间差距：

torch._meta_registrations
torch.onnx
torch._dynamo.allowed_functions
torchvision.models.convnext
cnstd.model.base
pandas
cnstd.yolov7.plots

总之，都是依赖库的锅，也可能是不同平台的软硬件差异。不是 pix2text 本身的问题😂

[breezedeus]

第一次使用会自动下载模型文件，跟这个有关系么？

[hiroi-sora]

第一次使用会自动下载模型文件

无关，我提前下载好了模型文件，向 P2T 显式指定模型文件的路径，应该不会触发自动下载。

而且，下载模型文件是发生在 Pix2Text 对象构建阶段。而上述测试的耗时是发生在 Pix2Text 库导入阶段。

[breezedeus]

@hiroi-sora Pix2Text V1.0.2 新版发布，根据你的建议丰富了输出格式。具体请见 https://github.com/breezedeus/Pix2Text/blob/main/RELEASE.md 和 文档说明。非常感谢。