模型推理: OCR 实现 – 寒武纪开发者社区

模型推理: OCR 实现

本实验主要介绍飞桨框架的开发套件PaddleOCR，OCR模型（dbnet+crnn）迁移至寒武纪MLU370 MagicMind 平台的过程。

难易程度：中级|实验人次：3330

开始实验

一、内容和目标

1. 实验内容

本实验主要介绍飞桨（paddlepaddle）框架的开发套件 PaddleOCR，OCR模型（dbnet+crnn）迁移至寒武纪MLU370 MagicMind 平台的过程。
基于 OCR (Optical Character Recognition, 光学字符识别) 的（dbnet + crnn）网络和寒武纪MLU370 MagicMind 平台，您可以读取本地图像数据作为输入，对图像中的文字位置进行检测，并进行文字信息提取。

2. 实验目标

完成PaddleOCR模型转换。
掌握使用寒武纪 MLU370 MagicMind 平台进行AI模型推理的基本方法。
理解 dbnet + crnn 模型的整体网络结构及其开发调试细节。

二、前置知识

1. 寒武纪软硬件平台介绍

硬件：寒武纪 MLU370 AI 加速卡
框架：PyTorch 1.6、MagicMind 0.14.0

2. PaddlePaddle 介绍

飞桨（PaddlePaddle）以百度多年的AI技术研究和业务应用为基础，集AI核心训练和推理框架、基础模型库、端到端开发套件、丰富工具组件于一体。

3. MagicMind 介绍

MagicMind 是⾯向寒武纪 MLU370 (寒武纪处理器，简称MLU) 的推理加速引擎。 MagicMind 能将人工智能框架（TensorFlow，PyTorch 等）训练好的算法模型转换成 MagicMind 统⼀计算图表⽰，并提供端到端的模型优化、代码⽣成以及推理业务部署能⼒。用户无需过多关注底层硬件细节，只需专注于推理业务开发。

获取更多有关 MagicMind 资料，请参考 寒武纪官网文档 相关内容。

三、原始模型

OCR (Optical Character Recognition, 光学字符识别) 是指对图像进行分析识别处理，获取文字和版面信息的过程，是典型的计算机视觉任务。

OCR 系统的 pipeline 如下：

1. 文本检测

文本检测任务：输入给定的图像，找出文本的区域。

DBNet 是一个基于分割的文本检测算法，该算法提出了可微分阈值 Differenttiable Binarization module (DB moudle) ，使用动态阈值来区分文本区域和背景。

_{* 上图来自论文[Real-time Scene Text Detection with Differentiable Binarization]}

蓝色箭头描述的是基于分割的普通文本检测算法流程，该方法得到分割结果后采用一个固定的阈值得到二值化分割图，最后使用一个像素聚类操作得到文本区域。
红色箭头描述的是DBNet算法流程，不同点在于DBNet 有个阈值图，通过网络去预测图片每个位置处的阈值，而不是使用一个固定的值，能更好的分离文本背景和前景。

DBNet 网络结构：

_{* 图片来自论文[Real-time Scene Text Detection with Differentiable Binarization]}

Backbone网络：负责提取图像的特征。
RSEFPN网络：引入残差结构和通道注意力机制，提升特征图的表征能力。
Head网络：计算文本区域概率图。

2. CRNN-文本识别

文本识别任务：对检测框进行文本识别，从而得到文本框的文字内容。

CRNN是基于CTC 算法，CRNN 主要用于解决而规则文本，基于CTC 算法可以有较快的预测速度并且很好的适用于长文本。

CRNN 网络结构：

_{* 图片来自论文[An End-to-End Trainable AI Network for Image-based Sequence Recognition and Its Application to Scene Text Recognition]}

Backbone网络：负责提取图像的特征。
RSEFPN网络：引入残差结构和通道注意力机制，提升特征图的表针能力。
Head网络：计算文本区域概率图。

四、模型推理

模型推理整体流程如下图所示，主要包含模型工程准备，模型生成和模型推理三部分。

STEP 1. 工程准备

原生工程下载：下载原始 PaddleOCR2Pytorch 工程，本实验已经提供工程环境，PaddleOCR2Pytorch源代码在src/PaddleOCR2Pytorch/目录下。
搭建环境：安装本实验所需的额外环境，pip install –r requirement.txt。
预训练模型下载：下载 OCR 预训练模型，并将其放置于ocr_model目录下，本实验的sh已自动操作。

STEP 2. 模型生成

PaddleOCR 训练模型转 PyTorch 模型，本实验的sh 已自动操作。
构建融合图：MagicMind 目前只支持，使用 jit.trace 工具把网络编译为一张融合图，并保存，方便 MagicMind 后期parser 操作。
Network 和 BuildConfig 配置： MagicMind ⽀持直接导⼊框架训练好的模型，并表⽰成 Network 对象。模型导⼊⼯作由 Parser 来完成。MagicMind 还提供了BuilderConfig 来配置 Builder 的行为，通过 BuilderConfig 设置，用户可配置硬件平台，输入摆数，归一化参数等信息。
配置量化数据校准器：MagicMind 提供了量化较准器（Calibrator），它支持 post-training 量化功能，能够基于浮点模型和样本数据计算并设置数据的分布范围，并且可以根据数据分布的特点，选择不同的量化粒度。
生成 MagicMind 模型：调用 MagicMind 的 build_model 接口生成模型，build_model ⽣成的模型中包含MLU指令、图结构等静态数据。⽣成的模型可以序列化到⽂件或内存，或从⽂件或内存反序列化，从⽽满⾜跨平台部署需求。

STEP 3. 模型推理

1. 前处理：

DBNet 的前处理主要为归一化处理，以及对图片的尺寸进行限制。
CRNN 的前处理主要为，对输入网络的图片数据进行缩放到统一尺寸（3，48，320）,并且完成归一化处理。

2. 利用 MagicMind 进行推理：

3. 后处理：

DBNet 后处理根据概率图中文本区域的响应计算出文本框坐标。
CRNN 后处理主要是将识别网络返回的各个时间步上的最大索引值，解码成对应文字结果。

五、相关链接

实验代码仓库：https://gitee.com/cambricon/practices

Modelzoo仓库：https://gitee.com/cambricon/modelzoo