Update FAQ.md

This commit is contained in:
Bin Lu 2021-06-29 14:26:28 +08:00 committed by GitHub
parent a2bbcd048f
commit 34a068623f
No known key found for this signature in database
GPG Key ID: 4AEE18F83AFDEB23
1 changed files with 16 additions and 16 deletions

View File

@ -11,18 +11,18 @@
* [近期更新2021.6.22](#近期更新)
* [【精选】OCR精选10个问题](#OCR精选10个问题)
* [【理论篇】OCR通用50个问题](#OCR通用问题)
* [【理论篇】OCR通用51个问题](#OCR通用问题)
* [基础知识16题](#基础知识)
* [数据集10题](#数据集2)
* [模型训练调优24题](#模型训练调优2)
* [【实战篇】PaddleOCR实战183个问题](#PaddleOCR实战问题)
* [使用咨询77题](#使用咨询)
* [模型训练调优25题](#模型训练调优2)
* [【实战篇】PaddleOCR实战187个问题](#PaddleOCR实战问题)
* [使用咨询80题](#使用咨询)
* [数据集19题](#数据集3)
* [模型训练调优39题](#模型训练调优3)
* [预测部署48题](#预测部署3)
* [预测部署49题](#预测部署3)
<a name="近期更新"></a>
## 近期更新2021.6.22
## 近期更新2021.6.29
#### Q2.3.25: 图像正常识别出来的文字是OK的旋转90度后识别出来的结果就比较差有什么方法可以优化
A: 整图旋转90之后效果变差是有可能的因为目前PPOCR默认输入的图片是正向的 可以自己训练一个整图的方向分类器,放在预测的最前端(可以参照现有方向分类器的方式),或者可以基于规则做一些预处理,比如判断长宽等等。
@ -31,19 +31,19 @@ A: 整图旋转90之后效果变差是有可能的因为目前PPOCR默认输
**A** 在线demo目前只支持中英文 多语言的都需要通过whl包自行处理
#### Q3.1.79: 某个类别的样本比较少通过增加训练的迭代次数或者是epoch变相增加小样本的数目这样能缓解这个问题么
**A** 尽量保证类别均衡, 某些类别样本少,可以通过补充合成数据的方式处理;实验证明训练集中出现频次较少的字符,识别效果会很差,增加迭代次数不能改变频率低的问题。
**A** 尽量保证类别均衡, 某些类别样本少,可以通过补充合成数据的方式处理;实验证明训练集中出现频次较少的字符,识别效果会比较差,增加迭代次数不能改变样本量少的问题。
#### Q3.1.80: 想把简历上的文字识别出来后能够把关系一一对应起来比如姓名和它后面的名字组成一对籍贯、邮箱、学历等等都和各自的内容关联起来这个应该如何处理PPOCR目前支持吗
**A**: 这样的需求在企业应用中确实比较常见,但往往都是个性化的需求,没有非常规整统一的处理方式。常见的处理方式有如下两种:
1. 对于单一版式、或者版式差异不大的应用场景,可以基于识别场景的一些先验信息,将识别内容进行配对; 比如运用表单结构信息:常见表单"姓名"关键字的后面,往往紧跟的就是名字信息
2. 对于版式多样,或者无固定版式的场景, 需要借助于NLP中的NER技术给识别内容中的某些字段赋予key值
由于这部分需求和业务场景强相关难以用一个统一的模型去处理目前PPOCR暂不支持。 如果需要用到NER技术可以参照Paddle团队的另一个开源套件: https://github.com/PaddlePaddle/ERNIE 其提供的预训练模型ERNIE, 可以帮助提升NER任务的准确率。
1. 对于单一版式、或者版式差异不大的应用场景,可以基于识别场景的一些先验信息,将识别内容进行配对; 比如运用表单结构信息:常见表单"姓名"关键字的后面,往往紧跟的就是名字信息
2. 对于版式多样,或者无固定版式的场景, 需要借助于NLP中的NER技术给识别内容中的某些字段赋予key值
由于这部分需求和业务场景强相关难以用一个统一的模型去处理目前PPOCR暂不支持。 如果需要用到NER技术可以参照Paddle团队的另一个开源套件: https://github.com/PaddlePaddle/ERNIE 其提供的预训练模型ERNIE, 可以帮助提升NER任务的准确率。
#### Q3.4.49: 同一个模型c++部署和python部署方式出来的结果不一致如何定位
**A**有如下几个Debug经验
1 优先对一下几个阈值参数是否一致;
2 排查一下c++代码和python代码的预处理和后处理方式是否一致
3 用python在模型输入输出各保存一下二进制文件排除inference的差异性
1 优先对一下几个阈值参数是否一致;
2 排查一下c++代码和python代码的预处理和后处理方式是否一致
3 用python在模型输入输出各保存一下二进制文件排除inference的差异性
<a name="OCR精选10个问题"></a>
## 【精选】OCR精选10个问题
@ -1299,7 +1299,7 @@ nvidia-smi --lock-gpu-clocks=1590 -i 0
#### Q3.4.49: 同一个模型c++部署和python部署方式出来的结果不一致如何定位
**A**有如下几个Debug经验
1 优先对一下几个阈值参数是否一致;
2 排查一下c++代码和python代码的预处理和后处理方式是否一致
3 用python在模型输入输出各保存一下二进制文件排除inference的差异性
1 优先对一下几个阈值参数是否一致;
2 排查一下c++代码和python代码的预处理和后处理方式是否一致
3 用python在模型输入输出各保存一下二进制文件排除inference的差异性