MMOCR 模型部署¶

MMOCR 模型部署

MMOCR，又称 mmocr，是基于 PyTorch 和 mmdetection 的开源工具箱，专注于文本检测，文本识别以及相应的下游任务，如关键信息提取。它是 OpenMMLab 项目的一部分。

安装¶

安装 mmocr¶

请参考官网安装指南.

安装 mmdeploy¶

mmdeploy 有以下几种安装方式:

方式一： 安装预编译包

请参考安装概述

方式二： 一键式脚本安装

如果部署平台是 Ubuntu 18.04 及以上版本，请参考脚本安装说明，完成安装过程。比如，以下命令可以安装 mmdeploy 以及配套的推理引擎——ONNX Runtime.

git clone --recursive -b main https://github.com/open-mmlab/mmdeploy.git
cd mmdeploy
python3 tools/scripts/build_ubuntu_x64_ort.py $(nproc)
export PYTHONPATH=$(pwd)/build/lib:$PYTHONPATH
export LD_LIBRARY_PATH=$(pwd)/../mmdeploy-dep/onnxruntime-linux-x64-1.8.1/lib/:$LD_LIBRARY_PATH

方式三： 源码安装

在方式一、二都满足不了的情况下，请参考源码安装说明安装 mmdeploy 以及所需推理引擎。

模型转换¶

你可以使用 tools/deploy.py 把 mmocr 模型一键式转换为推理后端模型。该工具的详细使用说明请参考这里.

转换的关键之一是使用正确的配置文件。项目中已内置了各后端部署配置文件。文件的命名模式是：

{task}/{task}_{backend}-{precision}_{static | dynamic}_{shape}.py

其中：

{task}: mmocr 中的任务

mmdeploy 支持 mmocr 中的文字检测（text detection）、文字识别（text recognition）任务中的模型。关于模型-任务的划分，请参考章节模型支持列表。

请务必使用对应的部署文件转换相关的模型。
{backend}: 推理后端名称。比如，onnxruntime、tensorrt、pplnn、ncnn、openvino、coreml 等等
{precision}: 推理精度。比如，fp16、int8。不填表示 fp32
{static | dynamic}: 动态、静态 shape
{shape}: 模型输入的 shape 或者 shape 范围

在接下来来的两个章节，我们将分别演示文字检测任务中的dbnet模型，和文字识别任务中的crnn模型转换 onnx 模型的方法。

文字检测任务模型转换¶

cd mmdeploy
# download dbnet model from mmocr model zoo
mim download mmocr --config dbnet_resnet18_fpnc_1200e_icdar2015 --dest .
# convert mmocr model to onnxruntime model with dynamic shape
python tools/deploy.py \
    configs/mmocr/text-detection/text-detection_onnxruntime_dynamic.py \
    dbnet_resnet18_fpnc_1200e_icdar2015.py \
    dbnet_resnet18_fpnc_1200e_icdar2015_20220825_221614-7c0e94f2.pth \
    demo/resources/text_det.jpg \
    --work-dir mmdeploy_models/mmocr/dbnet/ort \
    --device cpu \
    --show \
    --dump-info

文字识别任务模型转换¶

cd mmdeploy
# download crnn model from mmocr model zoo
mim download mmocr --config crnn_mini-vgg_5e_mj --dest .
# convert mmocr model to onnxruntime model with dynamic shape
python tools/deploy.py \
    configs/mmocr/text-recognition/text-recognition_onnxruntime_dynamic.py \
    crnn_mini-vgg_5e_mj.py \
    crnn_mini-vgg_5e_mj_20220826_224120-8afbedbb.pth \
    demo/resources/text_recog.jpg \
    --work-dir mmdeploy_models/mmocr/crnn/ort \
    --device cpu \
    --show \
    --dump-info

你也可以把它们转为其他后端模型。比如使用text-detection/text-detection_tensorrt-_dynamic-320x320-2240x2240.py，把 dbnet 模型转为 tensorrt 模型。

小技巧

当转 tensorrt 模型时, –device 需要被设置为 “cuda”

模型规范¶

在使用转换后的模型进行推理之前，有必要了解转换结果的结构。它存放在 --work-dir 指定的路路径下。

文字检测任务模型转换例子中的mmdeploy_models/mmocr/dbnet/ort，结构如下：

mmdeploy_models/mmocr/dbnet/ort
├── deploy.json
├── detail.json
├── end2end.onnx
└── pipeline.json

重要的是：

end2end.onnx: 推理引擎文件。可用 ONNX Runtime 推理
*.json: mmdeploy SDK 推理所需的 meta 信息

整个文件夹被定义为mmdeploy SDK model。换言之，mmdeploy SDK model既包括推理引擎，也包括推理 meta 信息。

模型推理¶

后端模型推理¶

from mmdeploy.apis.utils import build_task_processor
from mmdeploy.utils import get_input_shape, load_config
import torch

deploy_cfg = 'configs/mmocr/text-detection/text-detection_onnxruntime_dynamic.py'
model_cfg = 'dbnet_resnet18_fpnc_1200e_icdar2015.py'
device = 'cpu'
backend_model = ['./mmdeploy_models/mmocr/dbnet/ort/end2end.onnx']
image = './demo/resources/text_det.jpg'

# read deploy_cfg and model_cfg
deploy_cfg, model_cfg = load_config(deploy_cfg, model_cfg)

# build task and backend model
task_processor = build_task_processor(model_cfg, deploy_cfg, device)
model = task_processor.build_backend_model(backend_model)

# process input image
input_shape = get_input_shape(deploy_cfg)
model_inputs, _ = task_processor.create_input(image, input_shape)

# do model inference
with torch.no_grad():
    result = model.test_step(model_inputs)

# visualize results
task_processor.visualize(
    image=image,
    model=model,
    result=result[0],
    window_name='visualize',
    output_file='output_ocr.png')

提示：

在这个脚本中，把’deploy_cfg’, ‘model_cfg’, ‘backend_model’ and ‘image’ 替换为文字识别任务模型转换中对应的参数，就可以推理 crnn onnx 模型了。

SDK 模型推理¶

文字检测 SDK 模型推理¶

你也可以参考如下代码，对 dbnet SDK model 进行推理：

import cv2
from mmdeploy_runtime import TextDetector

img = cv2.imread('demo/resources/text_det.jpg')
# create text detector
detector = TextDetector(
    model_path='mmdeploy_models/mmocr/dbnet/ort',
    device_name='cpu',
    device_id=0)
# do model inference
bboxes = detector(img)
# draw detected bbox into the input image
if len(bboxes) > 0:
    pts = ((bboxes[:, 0:8] + 0.5).reshape(len(bboxes), -1,
                                          2).astype(int))
    cv2.polylines(img, pts, True, (0, 255, 0), 2)
    cv2.imwrite('output_ocr.png', img)

文字识别 SDK 模型推理¶

import cv2
from mmdeploy_runtime import TextRecognizer

img = cv2.imread('demo/resources/text_recog.jpg')
# create text recognizer
recognizer = TextRecognizer(
  model_path='mmdeploy_models/mmocr/crnn/ort',
  device_name='cpu',
  device_id=0
)
# do model inference
texts = recognizer(img)
# print the result
print(texts)

除了python API，mmdeploy SDK 还提供了诸如 C、C++、C#、Java等多语言接口。你可以参考样例学习其他语言接口的使用方法。

模型支持列表¶

Model	Task	TorchScript	OnnxRuntime	TensorRT	ncnn	PPLNN	OpenVINO
DBNet	text-detection	Y	Y	Y	Y	Y	Y
DBNetpp	text-detection	N	Y	Y	?	?	Y
PSENet	text-detection	Y	Y	Y	Y	N	Y
PANet	text-detection	Y	Y	Y	Y	N	Y
TextSnake	text-detection	Y	Y	Y	?	?	?
MaskRCNN	text-detection	Y	Y	Y	?	?	?
CRNN	text-recognition	Y	Y	Y	Y	Y	N
SAR	text-recognition	N	Y	Y	N	N	N
SATRN	text-recognition	Y	Y	Y	N	N	N
ABINet	text-recognition	Y	Y	Y	?	?	?

注意事项¶

ABINet 在 TensorRT 后端要求使用 pytorch1.10+， TensorRT 8.4+。
SAR 在网络推广中使用 valid_ratio，这会让导出的 ONNX 文件精度下降。当测试图片的 valid_ratios 和转换图片的值差异很大，这种下降就会越多。
对于 TensorRT 后端，用户需要使用正确的配置文件。比如 CRNN 只接受单通道输入。下面是一个示例表格:

Model	Config
MaskRCNN	text-detection_mrcnn_tensorrt_dynamic-320x320-2240x2240.py
CRNN	text-recognition_tensorrt_dynamic-1x32x32-1x32x640.py
SATRN	text-recognition_tensorrt_dynamic-32x32-32x640.py
SAR	text-recognition_tensorrt_dynamic-48x64-48x640.py
ABINet	text-recognition_tensorrt_static-32x128.py