← 模型

CV / PaddleOCR

PaddleOCR v5 移动端文本识别

reComputer R Series (CM5 + Hailo-8)

在搭载 Hailo-8 或 Hailo-10H 的 reComputer R Series 上进行文本行识别。

54 次下载
大小
7.48 MB
内存
4GB+
精度
Hailo HEF / HailoRT

选择你正在使用的设备，设置指南和文档将相应更新。

快速开始

部署
sudo docker run --rm \
  --name cm5-hailo8-paddle-ocr-v5-mobile-recognition \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.4.23.0:/usr/lib/libhailort.so.4.23.0:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo8-cv/paddle_ocr_v5_mobile_recognition:latest \
  python web_detection.py --model_path model/paddle_ocr_v5_mobile_recognition.hef --video_path video/test.mp4

模型详情

reComputer R Series

PaddleOCR v5 Mobile Recognition 在 reComputer R Series（CM5 + Hailo-8）上运行

PaddleOCR v5 Mobile Recognition 解码一张裁剪的文本行图像。它是一个独立模型，不定位整张文档中的文本区域；处理文档页面时请先使用文本检测器。

模型信息

属性值
任务文本识别
输入48 × 320 × 3 裁剪文本行图像
输出CTC 解码文本和置信度
HEFHailo-8 PaddleOCR 识别 HEF
运行时HailoRT 4.23.x

主机要求

镜像内的 Hailo-8 驱动、固件、主机 libhailort.so 和 Python wheel 必须使用匹配的 HailoRT 主次版本。

bash
sudo apt update
sudo apt install hailort hailort-pcie-driver python3-hailort
sudo reboot

hailortcli --version
hailortcli fw-control identify
ls -l /dev/hailo0

运行演示

bash
sudo docker run --rm \
  --name cm5-hailo8-paddle-ocr-v5-mobile-recognition \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.4.23.0:/usr/lib/libhailort.so.4.23.0:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo8-cv/paddle_ocr_v5_mobile_recognition:latest \
  python web_detection.py --model_path model/paddle_ocr_v5_mobile_recognition.hef --video_path video/test.mp4

打开 http://<PI_IP>:8000 查看预览。

REST API

bash
curl -X POST "http://<PI_IP>:8000/api/models/paddle_ocr_v5_mobile_recognition/predict" \
  -F "file=@text-line.png"

响应包含解码后的 text 及其 CTC confidence。

与检测模型的关系

本模型期望输入单行文本。处理整张文档图像时，请先将其送入 PaddleOCR v5 Mobile Detection，然后对返回的每个区域进行裁剪后再识别。

输入与输出

Input: cropped single-line text image or demo video frame. Output: CTC-decoded text, confidence, and annotated MJPEG preview.