PaddleOCRV4训练自己的模型（4）------模型推理及导出_paddleocr ocrv4 训练

一、Det模型推理：

（1）上一篇文章只讲了推理的实现方法，没有展示结果，这里顺带展示一下结果。

         因为训练定位模型的时候是整图训练，所以推理的时候也是整图推理。

（2）在推理的时候可以通过修改这个值来定义推理结果的保存路径

二、Rec模型推理

（1）在训练Rec的时候是只对文字部分进行训练的，推理的时候如果输入整图，推理时间可能会增加，效果可能也会下降（没测试过）  infer_rec.py的输出结果是一个TXT文件，一行对应每一张图的输出结果

三、模型导出

（1）在实际工作中，推理的时候定位和识别模型一般都是同时进行的。图片先经过定位模型进行检测，然后将定位出文字的区域送进识别模型进行识别。所以我们需要将模型导出，使得这两个模型可以串联处理。

（2）det导出参数：打开export_model.py文件，然后配置运行参数。yml文件对应自己训练的yml

 

-c
../configs/det/ch_PP-OCRv4/ch_PP-OCRv4_det_cml.yml
-o
Global.pretrained_model=../output/ch_PP-OCRv4/best_accuracy.pdparams
Global.save_inference_dir=../inference_model/det/

（3）rec导出参数：打开export_model.py文件，然后配置运行参数。

-c
../configs/rec/PP-OCRv4/ch_PP-OCRv4_rec.yml
-o
Global.pretrained_model=..output/rec_ppocr_v4/best_accuracy.pdparams
Global.save_inference_dir=../inference_model/rec/

四、最终推理

（1）打开predict_system.py文件

（2）配置运行参数，这个py文件在代码里面的rec_char_dict_path参数默认是./ppocr/utils/ppocr_keys_v1.txt,用cmd窗口跑的话可能没问题，但是用pycharm来跑的话会报错找不到这个文件。这是相对路径的原因，所以在参数里面修改rec_char_dict_path。

--image_dir=../../train_data/det/test
--det_model_dir=../../inference_model/det/Student
--rec_model_dir=../../inference_model/rec
--rec_char_dict_path=../../ppocr/utils/ppocr_keys_v1.txt

配置完运行参数就可以运行代码了，输出结果如下（左边是定位的结果，右边是文字识别的结果，识别模型训练的效果不好）：

五、小技巧

由于使用pycharm运行，所以经常需要修改对应py文件的配置参数。所以可以把配置参数copy下来，这样就不用经常找路径了。这也是使用pycharm运行比较麻烦的一点。