paddleocr DBnet 输入尺寸问题

[xiaowen0407]

看了下paddleocr2.7的源码 对于DBnet训练网络 他会做EastRandomCropData 尺寸是960 960 ，不够的部分是 填充 ，但是 再做 推理预测时候 是按照最长边 等比例缩放到960 比如 1920 1080的输入图片，那么推理时候尺寸为960，544 而不做填充成 960 960，与训练网络时候的尺寸不一样，这样网络推理的结果还是正确的吗？

[UserWangZz]

推理和训练可以输入图像大小不一致。后处理是在分隔图上进行的，训练时resize为960*960是为了提高模型训练的泛化能力，推理时为了得到更好的效果，是按照图像长宽比等比缩放的

[curryliu606]

resize[3,48,320] 传入识别模型前 图片一定要是这种形状的 我是C++ 部署的 我看源码 在调用识别模型前 是进行 resize到这个尺寸的 不够的地方 padding了 的

所以还是在识别前进行个resize吗，所以我看那个utility设置的rec_img_shape是3,48,320，必须得是这个尺寸，但是我传入的识别图片不是这个尺寸，所以才导致效果差吗

params for text recognizer

parser.add_argument("--rec_algorithm", type=str, default="SVTR_LCNet")
parser.add_argument("--rec_model_dir", type=str,default="./output/inference/ch_PP-OCR_V3_rec_infer/Student")
parser.add_argument("--rec_image_inverse", type=str2bool, default=True)
parser.add_argument("--rec_image_shape", type=str, default="3, 48, 320")
parser.add_argument("--rec_batch_num", type=int, default=6)
parser.add_argument("--max_text_length", type=int, default=25)
parser.add_argument(
    "--rec_char_dict_path", type=str, default="./ppocr/utils/ppocr_keys_v1.txt"
)
parser.add_argument("--use_space_char", type=str2bool, default=True)
parser.add_argument("--vis_font_path", type=str, default="./doc/fonts/simfang.ttf")
parser.add_argument("--drop_score", type=float, default=0.5)

[curryliu606]

所以我是需要在predict_det检测之前做缩放，还是predict_rec之前做呢
因为我直接是运行的tools/infer/predict_system.py做串联推理的

[curryliu606]

因为，我直接用官方的ocrv4的识别推理模型就能正常推理识别出来，也不需要做别的操作，所以搞不懂是不是图片的问题，那官方的为啥不用做这个也有很好的识别效果的呢

[UserWangZz]

是先det然后crop出文本区域，对文本区域会resize然后识别

[curryliu606]

是先det然后crop出文本区域，对文本区域会resize然后识别
img_crop_list = []

    dt_boxes = sorted_boxes(dt_boxes)

    for bno in range(len(dt_boxes)):
        tmp_box = copy.deepcopy(dt_boxes[bno])
        tmp_box[0][0]-=20
        tmp_box[0][1]-=20
        tmp_box[1][0]+=20
        tmp_box[1][1]-=20
        tmp_box[2][0]+=20
        tmp_box[2][1]+=20
        tmp_box[3][0]-=20
        tmp_box[3][1]+=20
        if self.args.det_box_type == "quad":
            img_crop = get_rotate_crop_image(ori_im, tmp_box)
        else:
            img_crop = get_minarea_rect_crop(ori_im, tmp_box)

        img_crop = cv2.resize(img_crop, (320, 48), interpolation= cv2.INTER_LINEAR)  
        img_crop_list.append(img_crop)

这样缩放吗，但是更差了啊，本来直接下载的官网模型可以识别的，压缩成这样都识别不出来了，我看了一下做这个resize后文本内容压缩的都变形了，很难识别