背景与概述

• PaddleOCR简介：基于飞桨的OCR工具库，支持多语言、多场景文本检测与识别
• 自定义模型的必要性：适应特定业务场景（如特殊字体、复杂背景）
• ONNX转换的价值：跨平台部署（TensorRT、OpenVINO等）与性能优化

环境准备与数据标注

• 安装PaddlePaddle与PaddleOCR（指定版本兼容性）

进入以下网址下载官方程序

PaddleOcr的gitcode链接

可选择版本进行下载，以下内容基于2.7版本。

创建虚拟环境，python版本3.12.4.

(base) C:\Users\zh>conda create --name my_ppocr python=3.12.4

添加刚刚创建的虚拟环境

打开程序后可在根目录下看到requirements.txt为依赖环境

打开本地终端在python对应paddleocr虚拟环境中安装依赖包

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple --force-reinstall

在paddleocr下有目录PPOCRLabel，为官方的标注文件。PPOCRLabel下也有requirements.txt依赖环境需要安装。

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r PPOCRLabel/requirements.txt

再安装paddlepaddle的gpu版本，这个是基础依赖

python -m pip install paddlepaddle-gpu==2.6.2 -i https://pypi.tuna.tsinghua.edu.cn/simple

可以把PPOCRLabel中"lang"的默认值改为"ch",显示中文界面

运行PPOCRLabel如果numpy报错，可以降级到1.26.4

 pip uninstall numpy -y


pip install numpy==1.26.4 -i https://pypi.tuna.tsinghua.edu.cn/simple

打开后点击文件，点击打开目录选择需要打标签的数据集文件夹

         选择自动标注点击ok等待自动标注完成，如果中文识别不出，重新选择模型识别

         然后从第一张开始检查，漏打标的按下Q框出字体，打标文字错误的，点击方框，在右边修改，并对每一个方框给出关键词列表（点击编辑点击更改box关键词信息）。最后删除无用信息，切换下一张快捷键为D。

         全部打标完成之后，点击文件选择导出标记结果，再点击文件选择导出识别结果，完成后再文件夹多出四个文件fileState，Label，rec_gt, crop_img。其中crop_img中的图片用来训练文字识别模型，fileState记录图片的打标完成与否，Label为训练文字检测模型的标签，rec_gt为训练文字识别模型的标签。

————————————————
 

模型训练流程

对数据标注后，开始训练时我们还需要对数据进一步处理，在PaddleOCR根目录下建立train_data文件夹，并且将打标签生成的文件和图片放在该文件夹下。

修改训练集、验证集、测试集比例运行即可

输入指令之后，在train_data文件夹下会出现以下文件，其中det是用来训练文字检测的数据集，rec是用来训练文字识别的数据集。此时可以删去drivingData。

下载官方模型做训练的基础模型。

OCR 流程的模块独立性PP-OCR 的核心流程是 检测(det) → 方向分类(cls) → 识别(rec)，这三个模块是解耦的，彼此之间仅通过标准化的文本框坐标 / 图像数据交互，只要输入输出格式兼容，就可以单独替换任意一个模块：

• det 模型：负责定位图片中的文本区域，输出文本框坐标
• cls 模型：（可选）纠正文本方向（如 90°/180° 旋转）
• rec 模型：将文本框内的图像转换为文字，仅依赖输入图像的尺寸 / 格式，与 det/cls 的具体权重无关

在下面网站下载官方训练模型，注意不是推理模型。

PaddleOCR/doc/doc_ch/models_list.md · 飞桨PaddlePaddle/PaddleOCR - AtomGit | GitCode

检测训练模型如下：

识别训练模型如下：

• 配置模型文件       

找到对应的配置文件yml下载，并修改一下参数

我们需要手动更改的地方主要有以下几个地方。

• 启动训练命令示例：

  # coding:utf8
  import sys
  import os
  import paddle
  
  # 1. 添加PaddleOCR根路径
  PADDLEOCR_ROOT = r"D:\PP-OCR\PaddleOCR-release-2.7"
  sys.path.insert(0, PADDLEOCR_ROOT)
  
  # 2. 强制CPU训练 + 禁用分布式
  sys.argv = [
      "train.py",
      "-c", r"D:\PP-OCR\PaddleOCR-release-2.7\pretrain_models\laser.yml",
      "-o", "Global.distributed=False",
      "-o", "Global.use_gpu=False",
      "-o", "Global.device='cpu'"
  ]
  
  # 3. 手动指定CPU
  paddle.device.set_device("cpu")
  print("✅ 已切换到CPU训练")
  
  
  # 4. 导入并运行
  from tools import program
  from tools.train import main, set_seed
  
  config, device, logger, vdl_writer = program.preprocess(is_train=True)
  config['Global']['distributed'] = False
  config['Global']['use_gpu'] = False
  # config['Global']['use_gpu'] = True
  
  seed = config['Global']['seed'] if 'seed' in config['Global'] else 1024
  set_seed(seed)
  main(config, device, logger, vdl_writer, seed)

训练完后的模型为动态模型，还需要转换为静态模型

这部分可参考官方文档

paddleocr模型转换与预览

动态模型验证，训练完后可先验证动态模型是否识别正确

import os

from paddleocr import PaddleOCR
import cv2

# 加载最优模型
ocr = PaddleOCR(
    rec_model_dir='./output/rec_ppocr_v3/best_accuracy',  # 最优模型路径
    rec_image_shape='3,48,320',  # 和训练配置一致
    use_gpu=False,  # CPU模式
    lang='ch'  # 中英混合识别，纯英文可改为'en'
)

# 测试任意图片（替换为你的实际图片路径）
test_img_paths = [
    r"D:\PP-OCR\PaddleOCR-release-2.7\train_data\rec\val\00005954_crop_1.jpg",

]

for img_path in test_img_paths:
    result = ocr.ocr(img_path, det=False, rec=True)
    print(f"\n📸 测试图片：{img_path}")
    print(f"✅ 模型识别结果：{result[0][0] if result else '识别失败'}")
    # 对比真实标注
    with open(r"./train_data/rec/val.txt" if "val" in img_path else r"./train_data/rec/train.txt", "r", encoding="UTF-8") as f:
        for line in f:
            if os.path.basename(img_path) in line:
                print(f"✅ 真实标注内容：{line.split('\t')[1].strip()}")

模型导出为推理格式

动态模型转换为静态模型也需要yml配置，我们复制训练的yml后只需要修改训练模型和输出目录即可

 save_inference_dir: ./inference/ch_PP-OCRv3_rec_official_0212  # 导出目录

  pretrained_model: r'D:\PP-OCR\PaddleOCR-release-2.7\output\rec_ppocr_v3\best_model' #训练权重路径

输出文件说明：inference.pdmodel（计算图）、inference.pdiparams（权重）

• 导出为Paddle原生推理模型：

  python tools/export_model.py -c configs/rec/xxx.yml -o Global.pretrained_model=./output/rec/best_accuracy  
  

ONNX格式转换

• 安装依赖：paddle2onnx、onnxruntime
• 转换命令示例：

  paddle2onnx --model_dir ./inference --model_filename inference.pdmodel --params_filename inference.pdiparams --save_file ./onnx_model.onnx  
  

• ONNX模型验证：使用ONNXRuntime加载测试推理结果一致性

未完待续

参考资料

• PaddleOCR官方文档、ONNX转换工具GitHub仓库
• 相关论文与性能优化最佳实践
• 其中原理参考博主

  Gaomagic

  原文链接：https://blog.csdn.net/qq_52852432/article/details/131817619