--- title: pp-lcnet-doc-ori canonical_url: "https://www.modelscope.cn/models/farming789/pp-lcnet-doc-ori" md_url: "https://www.modelscope.cn/models/farming789/pp-lcnet-doc-ori.md" repository: farming789/pp-lcnet-doc-ori chinese_name: "文档整图方向分类器 ONNX 版" last_updated: 2026-05-16 license: apache-2.0 pipeline_tag: image-classification tasks: - image-classification library_name: - onnx - other frameworks: - other language: - zh - en downloads: 9 stars: 2 tags: - pp-lcnet - paddleocr - onnx - document-orientation - image-classification - ocr-preprocessing - legal-document --- # pp-lcnet-doc-ori > pp-lcnet-doc-ori - farming789 在 ModelScope 开源的模型。本模型源自 **PaddleX / PaddleOCR** 生态的 **[PP-LCNet_x1_0_doc_ori](https://github.com/PaddlePaddle/PaddleOCR)** 文档方向分类器，已转换为 **ONNX** 格式，专为**离线本地推理**场景优化。 farming789/pp-lcnet-doc-ori 是 ModelScope 魔搭社区上的image-classification模型，采用 apache-2.0 许可。 - **Repository**: farming789/pp-lcnet-doc-ori - **License**: apache-2.0 - **Tasks**: image-classification - **Tags**: pp-lcnet, paddleocr, onnx, document-orientation, image-classification, ocr-preprocessing, legal-document - **Downloads**: 9 - **Stars**: 2 - **Last updated**: 2026-05-16 Source: https://www.modelscope.cn/models/farming789/pp-lcnet-doc-ori --- # PP-LCNet DocOri —— 文档整图方向分类器 ONNX 版 ## 模型简介 本模型源自 **PaddleX / PaddleOCR** 生态的 **[PP-LCNet_x1_0_doc_ori](https://github.com/PaddlePaddle/PaddleOCR)** 文档方向分类器，已转换为 **ONNX** 格式，专为**离线本地推理**场景优化。 在 OCR 流水线中，扫描件、手机拍照、传真件等文档图像可能存在 90°、180° 甚至 270° 的旋转。如果直接将歪斜图像送入 OCR 引擎，文本识别准确率会大幅下降。本模型作为 OCR 前置步骤，**自动判断文档图像的朝向并矫正为正向**。 **核心价值**：在纯 CPU 环境下，以毫秒级延迟完成文档方向四分类（0°/90°/180°/270°），提升下游 OCR 识别质量，无需依赖 GPU 或 PaddlePaddle 运行时。 --- ## 模型文件 | 文件 | 大小 | 说明 | |------|------|------| | `model.onnx` | ~6.5 MB | ONNX 模型（包含图结构与权重） | > 单一文件，无外部数据依赖，直接加载即可推理。 --- ## 模型架构 - **基础模型**：PP-LCNet_x1_0_doc_ori（百度 PaddleClas） - **网络结构**：PP-LCNet（轻量级 CPU 友好 CNN） - **输入规格**： - 尺寸：`224 × 224` RGB 图像 - 预处理：短边等比缩放至 256 → 中心裁剪 224 → ImageNet 归一化 - 归一化参数：`mean=[0.485, 0.456, 0.406]`, `std=[0.229, 0.224, 0.225]` - **输出**：`float32[1, 4]` 四类 softmax 分数 - **类别映射**： | class index | 角度 | 含义 | |:-----------:|:----:|------| | 0 | 0° | 正向（无需旋转） | | 1 | 90° | 顺时针旋转 90° | | 2 | 180° | 倒置 | | 3 | 270° | 逆时针旋转 90°（或顺时针 270°） | 工作流程： ``` 输入图像（任意朝向、任意分辨率） │ ▼ ┌─────────────────────────────────┐ │ 预处理 │ │ resize(短边=256) │ │ → centerCrop(224×224) │ │ → normalize(ImageNet mean/std) │ │ → NCHW float32[1,3,224,224] │ └─────────────┬───────────────────┘ ▼ ┌─────────────────────────────────┐ │ ONNX 推理 (PP-LCNet) │ │ 输出: float32[1, 4] │ └─────────────┬───────────────────┘ ▼ ┌─────────────────────────────────┐ │ argmax → 角度 │ │ → 反向旋转矫正 │ │ → 输出正向图像 │ └─────────────────────────────────┘ ``` --- ## 快速开始 ### 环境要求 - `onnxruntime` >= 1.24.3 - 图像预处理：`numpy` + `PIL` / `opencv-python`（Python），或 `@napi-rs/canvas` + `sharp`（Node.js） ### Python 示例 ```python import onnxruntime as ort import numpy as np from PIL import Image # 1. 加载模型 model_path = "./pp-lcnet-doc-ori/model.onnx" session = ort.InferenceSession(model_path) # 2. 图像预处理 def preprocess(image_path: str) -> np.ndarray: """短边缩放 256 → 中心裁剪 224 → ImageNet 归一化 → NCHW""" img = Image.open(image_path).convert("RGB") w, h = img.size # 短边等比缩放 scale = 256 / min(w, h) new_w, new_h = int(round(w * scale)), int(round(h * scale)) img = img.resize((new_w, new_h), Image.BILINEAR) # 中心裁剪 224 left = (new_w - 224) // 2 top = (new_h - 224) // 2 img = img.crop((left, top, left + 224, top + 224)) # 归一化 (ImageNet) mean = np.array([0.485, 0.456, 0.406], dtype=np.float32) std = np.array([0.229, 0.224, 0.225], dtype=np.float32) arr = np.array(img, dtype=np.float32) / 255.0 arr = (arr - mean) / std # HWC → NCHW return np.expand_dims(arr.transpose(2, 0, 1), axis=0) # 3. 推理 input_tensor = preprocess("document.jpg") input_name = session.get_inputs()[0].name outputs = session.run(None, {input_name: input_tensor}) scores = outputs[0][0] # [4] # 4. argmax → 角度 ANGLE_MAP = {0: 0, 1: 90, 2: 180, 3: 270} pred_class = int(np.argmax(scores)) angle = ANGLE_MAP[pred_class] print(f"预测角度: {angle}°") print(f"各类置信度: 0°={scores[0]:.3f}, 90°={scores[1]:.3f}, 180°={scores[2]:.3f}, 270°={scores[3]:.3f}") ``` ### TypeScript / Node.js 示例 ```typescript import * as ort from "onnxruntime-node"; import { createCanvas, loadImage } from "@napi-rs/canvas"; // 归一化参数 const MEAN = [0.485, 0.456, 0.406]; const STD = [0.229, 0.224, 0.225]; const INPUT_SIZE = 224; const RESIZE_SHORT = 256; async function preprocessImage(buffer: ArrayBuffer): Promise { const img = await loadImage(Buffer.from(buffer)); const w = img.width, h = img.height; // 短边缩放 const scale = RESIZE_SHORT / Math.min(w, h); const newW = Math.round(w * scale), newH = Math.round(h * scale); const resizeCanvas = createCanvas(newW, newH); resizeCanvas.getContext("2d").drawImage(img, 0, 0, newW, newH); // 中心裁剪 const sx = Math.max(0, Math.floor((newW - INPUT_SIZE) / 2)); const sy = Math.max(0, Math.floor((newH - INPUT_SIZE) / 2)); const cropCanvas = createCanvas(INPUT_SIZE, INPUT_SIZE); cropCanvas.getContext("2d").drawImage(resizeCanvas, sx, sy, INPUT_SIZE, INPUT_SIZE, 0, 0, INPUT_SIZE, INPUT_SIZE); const pixels = cropCanvas.getContext("2d").getImageData(0, 0, INPUT_SIZE, INPUT_SIZE).data; // NCHW + 归一化 const plane = INPUT_SIZE * INPUT_SIZE; const out = new Float32Array(3 * plane); for (let i = 0; i < plane; i++) { out[i] = (pixels[i * 4] / 255 - MEAN[0]) / STD[0]; out[plane + i] = (pixels[i * 4 + 1] / 255 - MEAN[1]) / STD[1]; out[plane * 2 + i] = (pixels[i * 4 + 2] / 255 - MEAN[2]) / STD[2]; } return out; } // 使用 const session = await ort.InferenceSession.create("./pp-lcnet-doc-ori/model.onnx"); const tensorData = await preprocessImage(imageBuffer); const tensor = new ort.Tensor("float32", tensorData, [1, 3, 224, 224]); const inputName = session.inputNames[0]; const outputName = session.outputNames[0]; const outputs = await session.run({ [inputName]: tensor }); const scores = outputs[outputName].data as Float32Array; const ANGLE_MAP = { 0: 0, 1: 90, 2: 180, 3: 270 }; const predClass = scores.indexOf(Math.max(...scores)); console.log(`预测角度: ${ANGLE_MAP[predClass]}°`); ``` --- ## 应用场景 ### OCR 前置方向矫正 - **扫描件处理**：律所扫描的合同、判决书、证据材料可能存在各种朝向 - **手机拍照**：律师用手机拍摄的案卷材料常常歪斜 - **传真件数字化**：传真机输出的文档角度不可控 - **批量文档自动化**：大批量文档入库前自动统一朝向，无需人工逐页检查 ### 降级策略 当模型文件未下载或推理失败时，系统自动跳过方向矫正，按 0°（正向）处理，不阻断下游 OCR 流程： ``` 模型可用 → classify() → rotateToUpright() → 矫正图像 → OCR 模型不可用 → 跳过矫正 → 原图直接送 OCR ``` --- ## 技术细节 ### 网络结构 PP-LCNet（PP-Lightweight CPU Network）是百度提出的**轻量级图像分类网络**，设计目标为 CPU 友好： - 使用深度可分离卷积 + SE 注意力模块 - 比 MobileNetV3 更快的推理速度 - 专为 ARM / x86 CPU 优化 - 在本项目中，单次推理耗时 < 50ms（桌面 CPU） ### 训练数据 原模型由 PaddleX 团队使用**文档图像方向分类数据集**训练，覆盖中英文文档、表格、票据、证件等多种文档类型。 ### 与官方 Paddle 模型的关系 | 方面 | 官方 Paddle 模型 | 本模型 (ONNX) | |------|:---------------:|:------------:| | 运行时 | PaddlePaddle | ONNX Runtime | | 格式 | inference.pdmodel | model.onnx | | 依赖 | paddlepaddle (~500MB) | onnxruntime (~30MB) | | GPU | 支持 | CPU only | | 推理速度 (CPU) | ~80ms | ~50ms | | 适合桌面应用 | ❌ 运行时过大 | ✅ 轻量集成 | ### ONNX 转换说明 本模型从 PaddlePaddle 原生格式通过 `paddle2onnx` 工具转换而来： - **paddle2onnx**：2.1.0 - **paddlepaddle**：2.6.2 / 3.0.0 nightly - **转换命令**：`paddle2onnx --model_dir ./ --model_filename inference.pdmodel --save_file model.onnx` > **已知问题**：PaddlePaddle 3.0 部分模型包使用 `inference.json` 替代 `inference.pdmodel`，Windows 环境下 `paddle2onnx 2.1.0` 要求 paddlepaddle ≥ 3.0.0.dev，且可能因 MSVC 运行时缺失导致转换中断。 --- ## 许可证 本模型遵循 [Apache License 2.0](https://www.apache.org/licenses/LICENSE-2.0)，与 PaddleOCR / PaddleX 官方保持一致。 --- ## 引用 如果你在研究中使用了本模型，请引用 PaddleOCR： ```bibtex @misc{paddleocr, title={PaddleOCR: Awesome Multilingual OCR Toolkits Based on PaddlePaddle}, author={PaddlePaddle Authors}, howpublished={\url{https://github.com/PaddlePaddle/PaddleOCR}}, year={2024} } @article{pp-lcnet, title={PP-LCNet: A Lightweight CPU Convolutional Neural Network}, author={Cui, Cheng and Gao, Tingquan and Wei, Shengyu and Du, Yuning and Guo, Ruoyu and Dong, Shuilong and Lu, Bin and Zhou, Ying and Lv, Xueying and Liu, Qiwen and others}, journal={arXiv preprint arXiv:2109.15099}, year={2021} } ``` --- ## 致谢 - 原始模型：[PaddleOCR / PaddleX](https://github.com/PaddlePaddle/PaddleOCR)（百度） - ONNX 转换：基于 [twmht/PP-LCNet_x1_0_doc_ori_infer_onnx](https://huggingface.co/twmht/PP-LCNet_x1_0_doc_ori_infer_onnx) 二次整理 - 转换工具：[paddle2onnx](https://github.com/PaddlePaddle/paddle2onnx) - 运行时：[ONNX Runtime](https://onnxruntime.ai/)