本地 OCR 结合了图像准备、文本检测和识别。一块板可能会加速一个阶段,而其余部分则留在 CPU 上。评估整个文档任务,尤其是当输入包括旋转、小文本或不均匀照明时。

ArmSoM Sige7
调优前构建文档集
包括应用程序将接收的格式、语言和图像质量。记录识别错误以及处理时间。在更改模型之前检查图像缩放、方向和文本区域处理。如果使用加速器,请确定其执行的 OCR 阶段并单独测量剩余的 CPU 工作。
每个阶段简介
在Sige5或Sige7上,测量图像解码和预处理以及模型执行。大页面会创建相当大的中间缓冲区,同时处理多个页面会增加内存使用量。在假设 NPU 加速整个管道之前,请检查所选模型组件是否具有受支持的部署路径。
设计输出和故障处理
在适当的情况下返回信心或审查状态。保留原始文档和页面映射,以便操作员可以检查不确定的结果。限制作业大小和并发性,以避免过大的上传干扰其他服务。在将系统描述为适合无人值守文档输入之前,将提取的字段与真实样本进行比较。
根据您的要求进行选择
要求或情况 | 评估什么 | 决定详情 |
输入 | 页面大小、语言和布局 | 测试困难的例子。 |
运行时 | 舞台时机和峰值记忆 | 找出真正的瓶颈。 |
输出 | 字段准确性和审核路径 | 保持对原始页面的可追溯性。 |
示例设计
围绕文档构建 OCR 接受集
发票、标志照片和扫描手册会带来不同的问题。收集有代表性的布局、照明、语言和字体大小,包括困难的示例。分别评估检测、识别和读取顺序。测量每个完整文档的时间,而不仅仅是神经网络步骤。如果应用程序提取结构化字段,则直接验证这些字段;可读文本预览仍然可能包含不正确的数量或标识符。
硬件和文档
Sige7 · RK3588
RK3588、6 TOPS NPU、双 2.5GbE 和 M.2 PCIe 3.0 x4。检查所选的eMMC和无线配置。
Sige5 · RK3576
RK3576,四个 Cortex-A72 和四个 Cortex-A53 内核,6 TOPS NPU,双千兆以太网和 M.2 PCIe 2.1 x1。
常见问题
OCR 支持是否意味着每种语言都同样有效?
不。模型训练、文本大小、布局和图像质量决定结果。
产品信息和支持
来源
由 ArmSoM 使用以下文档编写。示例设计是建议,而不是测量的客户安装。
