--- license: apache-2.0 library_name: onnx pipeline_tag: image-to-text language: - pt - en - zh tags: - ocr - onnx - paddleocr - pp-ocrv6 - text-detection - text-recognition - float16 --- # PP-OCRv6 tiny em ONNX, para o OCR local da extensão Epryx Repositório de apoio da extensão [Epryx](https://github.com/MagnumMF/Epryx) (automação de processos judiciais no eproc). Reúne, num só lugar com revisão fixada, os modelos que o OCR local da extensão baixa na primeira leitura: detecção de texto, reconhecimento de texto e orientação de página do **PP-OCRv6 tiny** do [PaddleOCR](https://github.com/PaddlePaddle/PaddleOCR), já em ONNX, mais variantes em float16 geradas por nós para rodar em GPU (WebGPU) no ONNX Runtime Web. Nada aqui é treinamento nosso: os pesos são os do PaddlePaddle. O trabalho próprio é a conversão para float16 e a troca da saída do reconhecimento por `ArgMax` (descritas abaixo). ## Árvore | arquivo | o que é | grupo na extensão | |---|---|---| | `dict.txt` | dicionário de 6.904 caracteres do reconhecimento (um por linha); as classes da saída são `[blank] + dict + [espaço]` = 6.906 | `base` | | `det/config.json`, `rec/config.json`, `doc_ori/config.json` | parâmetros de pré e pós-processamento extraídos dos `inference.yml` (normalização, tamanhos, limiares) e descrição dos grafos | `base` | | `det/fp32.onnx`, `rec/fp32.onnx`, `doc_ori/fp32.onnx` | modelos oficiais, **sem alteração** | `cpu-fp32` e `gpu-fp32` | | `det/fp16.onnx`, `doc_ori/fp16.onnx` | os mesmos modelos com pesos em float16 | `gpu-fp16` | | `rec/fp16-argmax.onnx` | reconhecimento em float16, com `ArgMax` e `ReduceMax` no lugar da saída `[N, T, 6906]` | `gpu-fp16` | | `rec/fp32-argmax.onnx` | reconhecimento fp32 com o mesmo `ArgMax` embutido | `gpu-fp32` | | `LICENCA.txt` | Apache-2.0 e atribuição ao PaddlePaddle | | ## Origem dos modelos oficiais | arquivo aqui | repositório de origem | revisão | arquivo de origem | sha256 | |---|---|---|---|---| | `det/fp32.onnx` | [PaddlePaddle/PP-OCRv6_tiny_det_onnx](https://huggingface.co/PaddlePaddle/PP-OCRv6_tiny_det_onnx) | `2ba1506c0380b8f0b03dd142459aac66d4421f6c` | `inference.onnx` | `193bab7a04fca699a6c82e6abb5b81bdb28177f0abd4062552b04908dafb19f8` | | `rec/fp32.onnx` | [PaddlePaddle/PP-OCRv6_tiny_rec_onnx](https://huggingface.co/PaddlePaddle/PP-OCRv6_tiny_rec_onnx) | `2612ab37152ae0a677521bae4e1e3d4fb4cf7c30` | `inference.onnx` | `9ef676d6ed3c88256a2d92c640c44f25b0c40947e111b14b8be8f594091563e6` | | `doc_ori/fp32.onnx` | [PaddlePaddle/PP-LCNet_x1_0_doc_ori_onnx](https://huggingface.co/PaddlePaddle/PP-LCNet_x1_0_doc_ori_onnx) | `7330ab7039123e46af2dc03154b9969aa412c61d` | `inference.onnx` | `af9a0a4f317ff0709ce752067807f819cb15d883f8ecad89f28df1c6ee2d9c92` | Os três `fp32.onnx` são byte a byte iguais aos de origem (o sha256 acima confere com o `lfs.oid` de cada um). O `doc_ori` (`PP-LCNet_x1_0_doc_ori`) corrige páginas giradas em 0, 90, 180 ou 270 graus antes da detecção. ## Como as variantes foram geradas Script `dev-tools/ppocr/modelos/variantes/gerar-variantes.py` do repositório da Epryx (Python 3.11.9, onnx 1.23.2, onnxconverter-common 1.16.0, numpy 2.4.6): - **float16**: `onnxconverter_common.float16.convert_float_to_float16(model, keep_io_types=True)`, com o bloqueio padrão do conversor (os 6 `Resize` da detecção ficam em float32, com `Cast` em volta). Entradas e saídas continuam float32. - **ArgMax embutido** (`rec/*-argmax.onnx`): a saída `[N, T, 6906]` é trocada por duas saídas `indices` (`ArgMax`, eixo 2) e `probabilidades` (`ReduceMax`, eixo 2), ambas `[N, T]`. A decodificação CTC gulosa é a mesma, conferida posição a posição contra a saída inteira; na GPU evita ler de volta 6.906 classes por passo. Medição (corpus sintético de 115 páginas, máquina de desenvolvimento, ONNX Runtime Web 1.22): fp32 na CPU 2,2 % de CER; fp16 na GPU (WebGPU) 2,5 %, com lote de 16 linhas no reconhecimento. Variantes int8 não são publicadas aqui: no WebGPU travam e na CPU não aceleram. ## Arquivos e checksums | arquivo | bytes | sha256 | |---|---:|---| | `dict.txt` | 27156 | `c5cbe34ef40c29c4df07ed012bf96569cb69a2d2a01a07027e9f13cb832bd9cd` | | `det/config.json` | 3160 | `27a81beab706aadcb1b47bec61828d753e652747b735740c6afaaed0179cfb89` | | `rec/config.json` | 3312 | `3adef1348f21e3b19f957347ab7e53f1e2f885aef62aeda6e3747174821df31d` | | `doc_ori/config.json` | 1883 | `70c257a76c458b618dcfe777a59533afc77d4be830e85a7b0611828fd5550e6a` | | `det/fp32.onnx` | 1780590 | `193bab7a04fca699a6c82e6abb5b81bdb28177f0abd4062552b04908dafb19f8` | | `rec/fp32.onnx` | 4462639 | `9ef676d6ed3c88256a2d92c640c44f25b0c40947e111b14b8be8f594091563e6` | | `doc_ori/fp32.onnx` | 6788069 | `af9a0a4f317ff0709ce752067807f819cb15d883f8ecad89f28df1c6ee2d9c92` | | `det/fp16.onnx` | 927431 | `ff8cc3111288b0b1c2c364a5c9c0f4187278a701c9874718ce6eccbc00e76a8f` | | `rec/fp16-argmax.onnx` | 2253949 | `d380ba070dbb4e4c829560ab2e30e77fd68fc3c9f23a33e30dde620704d83ddc` | | `doc_ori/fp16.onnx` | 3412464 | `c2261f45de9a2d341ce8da0e1d2fd9d58850c3da99378c29d052b1000ab6c068` | | `rec/fp32-argmax.onnx` | 4462629 | `ae2cface95ec32daed954d76b042c6f7e8c6b831f69eddb8798b798555a51942` | (O `sha256` de `README.md` e `LICENCA.txt` não consta da lista porque eles descrevem os demais.) ## Uso Baixe os arquivos de um grupo e passe os bytes ao `InferenceSession.create` do ONNX Runtime Web; a extensão Epryx faz isso sozinha, conferindo o sha256 de cada arquivo contra o manifesto que vai no pacote, e recorre a um espelho próprio quando o Hugging Face está inacessível na rede do usuário. ## Licença Apache-2.0 (`license: apache-2.0` no cabeçalho deste cartão). Atribuição ao PaddlePaddle e texto integral em `LICENCA.txt`. Este repositório não é do PaddlePaddle e não tem aval dele.