PaddleOCR Android Demo 实践指南基于 PaddleLite 的六种 OCR 运行模式与参数调优【免费下载链接】PaddleOCR飞桨多语言OCR工具包实用超轻量OCR系统支持80种语言识别提供数据标注与合成工具支持服务器、移动端、嵌入式及IoT设备端的训练与部署 Awesome multilingual OCR toolkits based on PaddlePaddle (practical ultra lightweight OCR system, support 80 languages recognition, provide data annotation and synthesis tools, support training and deployment among server, mobile, embedded and IoT devices)项目地址: https://gitcode.com/paddlepaddle/PaddleOCR本文围绕 PaddleOCR 仓库中的 Android 端 Demo 使用文档展开系统讲解如何导入、运行和配置该 Demo覆盖检测 分类 识别等六种运行模式的组合逻辑并结合deploy/android_demo/下的 Java 与 C 源码剖析预处理、CTC 解码与方向分类的实现细节帮助你既能在真机上快速跑通移动端 OCR 推理也能理解每个可调参数CPU 线程数、功耗模式、det long size、Score Threshold 等在底层代码中的作用点。1. Demo 定位与技术栈该 Demo 是 PaddleOCR 的 Android 端示例工程位于 deploy/android_demo 目录目前支持**文本检测Det、文本方向分类Cls、文本识别Rec**三类模型的使用预测库采用PaddleLite v2.10。从工程结构看Demo 由三层组成层次关键文件职责Android 界面层MainActivity.java、SettingsActivity.java主界面按钮、模式下拉列表、设置项读写Java 推理封装层Predictor.java、OCRPredictorNative.java模型加载、字典加载、结果后处理与画框绘制C 推理层JNIocr_ppredictor.h、ocr_ppredictor.cpp基于 PaddleLite C API 的检测/识别/分类流水线C 层的核心类OCR_PPredictor内部持有三个独立预测器实例——_det_predictor、_rec_predictor、_cls_predictor见 ocr_ppredictor.h#L126-L129对应三个离线量化后的.nb模型文件det_db.nbDB 检测模型、rec_crnn.nbCRNN 识别模型与cls.nb方向分类模型。2. 环境准备与项目导入2.1 环境准备在本地安装 Android Studio 开发环境准备一部 Android 手机并开启 USB 调试模式手机设置 - 查找开发者选项 - 打开开发者选项和 USB 调试模式。注意如果 Android Studio 尚未配置 NDK需按官方指南预先配置 NDK。可以选择最新的 NDK 版本也可以使用与 Paddle Lite 预测库版本一致的 NDK。2.2 导入项目点击File - New - Import Project...跟随 Android Studio 引导完成导入。工程中的 C 部分通过 CMake 构建其依赖路径在 CMakeLists.txt 中定义有两个需要注意的外部目录约定PaddleLite 预测库目录set(PaddleLite_DIR ${CMAKE_CURRENT_SOURCE_DIR}/../../../PaddleLite)CMakeLists.txt#L13-L14即需要把 PaddleLite v2.10 解压到工程上级目录的同级位置构建时会链接其中的libpaddle_light_api_shared.soOpenCV 目录set(OpenCV_DIR ${CMAKE_CURRENT_SOURCE_DIR}/../../../OpenCV/sdk/native/jni)CMakeLists.txt#L16使用 Android 版 OpenCV SDK 的 JNI 库。此外CMakeLists 还开启了面向移动端体积与性能的编译选项-ffast-math -Ofast -Os、-fvisibilityhidden、--gc-sections等见 CMakeLists.txt#L22-L29并在构建后自动拷贝libc_shared.so与 PaddleLite 推理库到输出目录。3. 运行 Demo 与主界面解读将手机连接电脑后点击 Android Studio 工具栏中的运行按钮即可运行 Demo手机上弹出允许从 USB 安装软件权限弹窗时点击允许。安装完成后在手机主屏最后一页可以看到 PaddleOCR 应用启动后进入主页主页包含四个按钮、一个下拉列表和一个菜单按钮功能分别为运行模型按照已选择的模式运行对应的模型组合拍照识别唤起手机相机拍照并获取图像拍照完成后需要点击运行模型进行识别选取图片唤起手机相册选择图像选择完成后需要点击运行模型进行识别清空绘图清空当前显示图像上绘制的文本框以便进行下一次识别每次识别使用的图像都是当前显示的图像下拉列表选择运行模式包含 6 种模式默认模式为检测分类识别菜单按钮进入菜单界面进行模型和内置图像相关的设置。点击运行模型后程序按所选模式执行对应模型。在检测分类识别模式下运行结果如下所示模型运行完成后模型和运行状态显示区的STATUS字段显示当前模型的运行状态显示run model succeeded表明模型运行成功。模型的运行结果显示在运行结果显示区显示格式为序号Det(x1,y1)(x2,y2)(x3,y3)(x4,y4) Rec: 识别文本,识别置信度 Cls分类类别,分类分时这一格式正是 Java 层drawResults方法拼接生成的依次追加Det:四点坐标、Rec:识别文本与置信度、Cls:分类类别与分值Predictor.java#L227-L249随后用蓝色多边形线宽 5、填充透明度 50在原图上绘制文本框。4. 六种运行模式详解Demo 共提供 6 种运行模式选项定义在 arrays.xml#L59-L66 的run_Model数组中检测分类识别默认检测识别分类识别检测识别分类各模式的差异本质上由三个布尔开关run_det、run_cls、run_rec控制入口是 C 层的OCR_PPredictor::infer_ocrocr_ppredictor.cpp#L79-L106。从源码结构看其调度逻辑为if (run_det) { infer_det(origin, max_size_len, ocr_results); // 检测输出文本框四点坐标 } if (run_rec) { if (ocr_results.size() 0) { /* 追加一个整图结果 */ } for (int i 0; i ocr_results.size(); i) { infer_rec(origin, run_cls, ocr_results[i]); // 识别可内嵌分类旋转 } } else if (run_cls) { ClsPredictResult cls_res infer_cls(origin); // 分类对整图直接分类 ... }据此可以推断出各模式的实际执行路径检测分类识别先检测得到多个文本框逐框做方向分类必要时旋转 180°再逐框识别检测识别只检测 逐框识别不做方向纠正分类识别run_det0时检测不产生框代码会追加一个空框结果识别阶段直接裁剪整张图像并在识别前执行整图方向分类检测仅输出文本框坐标四点多边形无文本内容识别跳过检测直接对整图做 CRNN 识别适合已切好的文字条分类走else if (run_cls)分支直接对整图做 0°/180° 方向分类。这种设计使得 Demo 既能演示完整 OCR 流水线也能单独验证某个子模型在手机端的推理效果。5. 设置项与参数默认值点击主页菜单按钮进入设置界面设置项由 settings.xml 声明默认值定义在 strings.xml。各项说明与源码佐证如下5.1 普通设置设置项默认值说明Enable custom settings不选中选中状态下才能更改其余设置项。SettingsActivity.java 中reloadPreferenceAndUpdateUI会根据该开关调用setEnabled控制其他控件可编辑性且选择预置模型后会自动取消该开关Model Pathmodels/ch_PP-OCRv2所运行的模型地址使用默认值即可。若路径以/开头则视为存储卡绝对路径否则视为 assets 内相对路径并拷贝到应用缓存目录Predictor.java#L66-L100Label Pathlabels/ppocr_keys_v1.txt识别模型的字典。加载时首尾各补一个占位项Predictor.java#L114-L136与同名字典文件 ppocr_keys_v1.txt 对应Image Pathimages/det_0.jpg用于识别的内置图像名候选列表见下文内置图像共 8 张定义在 arrays.xml#L3-L22实际文件位于 app/src/main/assets/images 目录det_0.jpg、det_90.jpg、det_180.jpg、det_270.jpg不同方向的检测图以及rec_0.jpg、rec_0_180.jpg、rec_1.jpg、rec_1_180.jpg文字条识别图。这套 0°/90°/180°/270° 的图像组合正是用来验证方向分类器在不同角度下的表现。5.2 模型运行态设置更改后返回主界面会自动重新加载模型CPU Thread Num默认 4模型运行使用的 CPU 核心数量可选 1/2/4/8 线程arrays.xml#L23-L34。该值传入 C 配置结构OCR_Config.thread_numocr_ppredictor.h#L17-L22CPU Power Mode默认LITE_POWER_HIGH大小核设定可选值为LITE_POWER_HIGH仅大核、LITE_POWER_LOW仅小核、LITE_POWER_FULL全部核心、LITE_POWER_NO_BIND交给系统调度、LITE_POWER_RAND_HIGH、LITE_POWER_RAND_LOWarrays.xml#L35-L50对应 PaddleLite 的PowerMode枚举。5.3 输入与输出设置det long size默认 960DB 模型预处理时图像的长边长度——超过此长度则 resize 到该值、短边等比例缩放小于此长度不处理。这一行为在 ocr_ppredictor.cpp 的DetResizeImg中实现长边超限按max_size_len / max(w, h)计算缩放比且宽高最终会向下对齐到 32 的整数倍不足 32 的取 32这是为满足 DB 网络下采样层对齐要求Score Threshold默认 0.1DB 模型后处理 box 的阈值低于此阈值的 box 被过滤、不显示。该值经 Java 层Predictor的scoreThreshold字段保存需要注意的是C 层calc_filtered_boxes中概率图二值化使用的阈值为硬编码的0.3ocr_ppredictor.cpp#L296从源码结构看设置界面该选项的实际过滤行为以 C 后处理实现为准调整时建议结合真机效果综合观察。6. 源码级实现剖析一条推理请求的完整链路结合deploy/android_demo的源码可以从三个维度理解 Demo 的底层实现6.1 模型加载Predictor.init先加载模型、再加载字典Predictor.java#L45-L52。C 侧OCR_PPredictor::init_from_file为三个预测器分别指定网络类型——检测使用NET_OCR识别与分类使用NET_OCR_INTERNALocr_ppredictor.cpp#L33-L48。Java 层在正式推理前还会执行一次warmup默认 1 次runModel中warmupIterNum用完即清零Predictor.java#L144-L148以消除首次推理的开销。6.2 检测预处理与后处理infer_detocr_ppredictor.cpp#L147-L181的流程为DetResizeImg缩放对齐 → 归一化1/255缩放 ImageNet 均值/方差{0.485, 0.456, 0.406} / {1/0.229, 1/0.224, 1/0.225}并使用neon_mean_scale做 NEON 加速→ 推理 →calc_filtered_boxes后处理。后者将概率图二值化阈值 0.3后经boxes_from_bitmap提取连通域框再按缩放比例还原到原图坐标并过滤ocr_ppredictor.cpp#L292-L314。6.3 方向分类与 180° 旋转infer_clsocr_ppredictor.cpp#L248-L290对输入做0.5均值归一化后取 argmax。关键逻辑在分类结果处理处当label % 2 1 score thresh默认阈值 0.9时用cv::rotate将图像旋转 180° 后再送入识别。Java 层相应地把类别展示为180或0Predictor.java#L222。由于方向分类器只区分 0°/180° 两种类别90°/270° 的图像需要依赖 det 框的多边形形态来恢复阅读顺序这也是内置图像按四个角度设计的原因。6.4 识别裁剪与 CTC 解码infer_recocr_ppredictor.cpp#L183-L246按检测框多边形从原图裁出文本条无框时直接使用整图crnn_resize_img保持宽高比缩放后推理随后在 C 侧完成CTC 贪心解码对每个时间步取 argmax跳过 blank索引 0与连续重复索引累计最大概率并求平均作为整句置信度score / count。解码出的字符索引序列经 JNI 回到 Java 层后由postprocess方法查字典表还原为可读文本越界索引以×标记Predictor.java#L210-L225。整个链路上推理计时inferenceTime与后处理计时postprocessTime均在 Java 层统计并通过 Logcat 输出[stat] Inference Time日志方便开发者评估手机端推理耗时。7. 更多支持如需实时识别相机流连续推理可参考 Paddle-Lite-Demo 中的ocr/android/app/cxx/ppocr_demo模块的写法更新预测库集成方式更多 Paddle-Lite 相关问题算子支持、量化、平台后端等可前往 Paddle-Lite 官方项目获取开发支持当前仓库中另有一套基于 Kotlin 的新版 Android 端工程 deploy/ppocr-android若需要面向 PaddleX 模型体系的新接口参考可一并对照阅读。适用前提说明本文基于仓库docs/version2.x/legacy/目录下的 Android Demo 文档撰写对应deploy/android_demo工程与 PaddleLite v2.10 预测库文档中近期更新记录为 2022.02.27 将预测库升级到 PaddleLite v2.10 并支持 6 种运行模式。实际构建前请确认本机 NDK 版本、PaddleLite 离线库与 OpenCV Android SDK 三者可正常配合编译。【免费下载链接】PaddleOCR飞桨多语言OCR工具包实用超轻量OCR系统支持80种语言识别提供数据标注与合成工具支持服务器、移动端、嵌入式及IoT设备端的训练与部署 Awesome multilingual OCR toolkits based on PaddlePaddle (practical ultra lightweight OCR system, support 80 languages recognition, provide data annotation and synthesis tools, support training and deployment among server, mobile, embedded and IoT devices)项目地址: https://gitcode.com/paddlepaddle/PaddleOCR创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考