首发于：
https://rapidai.github.io/RapidOCRDocs/latest/blog/2026/07/19/rapidocr-paddleocr-param-align-plan/
引言
在 rapidocr==1.3.26 以来， rapidocr 库的一些默认参数与 paddleocr 默认参数并不一样。在 PaddleOCR 推出了 PP-OCRv5 之后， rapidocr 与 paddleocr 两者默认模型甚至也不一样。
这就让许多小伙伴有困惑：某些图像上， rapidocr 效果好，而另外图像上， paddleocr 效果反而更好。
之前版本之所以默认参数不同，是由于两个库出发点不尽一样。 paddleocr 肯定会集成每次新版本模型，由于新版本模型在百度内部评测肯定要好于上一个版本，他们才会发布新版本的。由于 PaddleOCR 一直没有开源内部评测集，我们看到的好也只能是孤零零的指标而已。我这里就只能在自行构建的评测集上来看新版本模型效果。
rapidocr 在一些特殊图像上额外加了一些特殊处理，这也必定程度上导致了两者在某些图像上，效果不同。
在 rapidocr==3.9.1 和 paddleocr==3.7.0 中，事情迎来了转机。PP-OCRv6 模型在我自建评测集上，效果均好于 PP-OCRv4 和 PP-OCRv5 系列。这就让 rapidocr 其默认模型都变为了 PP-OCRv6 small 系列。这就让 rapidocr 和 paddleocr 两者默认模型一致了，其余不同的地方就在于前后处理了。
接下来，我这会逐一给出不同点，并尽量给出解决方案。
下面的出现的 rapidocr 版本是 v3.9.1， paddleocr 版本是 v3.7.0。
不足之处
-
评测集样本较少，结果可能有偏。
-
结论不够扎实，由于只评测了文本检测这一步，并不能看到将这一步的结果传到后续识别后的指标变化。后续打算出一个端到端的评测集，直接整体评估 OCR pipeline 效果。
不同点：文本检测图像归一化值不同
经过阅读源码，总结了上述的异同点。 rapidocr 为啥选择 0.5，是由于 @郑喜 实践发现 0.5 作为归一化值，整体效果更好一些。当时讨论的 Discussions #246 [1] 中，我这里的确做了定量实验，的确如此。
从理论上来讲，模型训练和推理，前后处理要保持一致，才是最优的。那么在 PP-OCRv6 场景下，这个结论是否依旧如此呢？为此，我重新设计实验来比较不同图像归一化值，在指标上差异如何？
std 和 mean 为 0.5 (默认)
importcv2
importnumpyasnp
fromdatasetsimportload_dataset
fromtqdmimporttqdm
fromrapidocrimportOCRVersion, RapidOCR
engine = RapidOCR(
params={
"Det.ocr_version": OCRVersion.PPOCRV6,
"Det.std": [0.5, 0.5, 0.5],
"Det.mean": [0.5, 0.5, 0.5],
},
)
dataset = load_dataset("SWHL/text_det_test_dataset")
test_data = dataset["test"]
content =
fori, one_datainenumerate(tqdm(test_data)):
img = np.array(one_data.get("image"))
img = cv2.cvtColor(img, cv2.COLOR_RGB2BGR)
ocr_results = engine(img, use_det=True, use_cls=False, use_rec=False)
dt_boxes = ocr_results.boxes
dt_boxes = ifdt_boxesisNoneelsedt_boxes.tolist
elapse = ocr_results.elapse
gt_boxes = [v["points"]forvinone_data["shapes"]]
content.append(f"{dt_boxes} {gt_boxes} {elapse}")
withopen("pred.txt", "w", encoding="utf-8")asf:
forvincontent:
f.write(f"{v}
")
fromtext_det_metricimportTextDetMetric
metric = TextDetMetric
pred_path = "pred.txt"
metric = metric(pred_path)
print(metric)
std 和 mean 为 PaddleOCR 值
importcv2
importnumpyasnp
fromdatasetsimportload_dataset
fromtqdmimporttqdm
fromrapidocrimportOCRVersion, RapidOCR
engine = RapidOCR(
params={
"Det.ocr_version": OCRVersion.PPOCRV6,
"Det.std": [0.229, 0.224, 0.225],
"Det.mean": [0.485, 0.456, 0.406],
},
)
dataset = load_dataset("SWHL/text_det_test_dataset")
test_data = dataset["test"]
content =
fori, one_datainenumerate(tqdm(test_data)):
img = np.array(one_data.get("image"))
img = cv2.cvtColor(img, cv2.COLOR_RGB2BGR)
ocr_results = engine(img, use_det=True, use_cls=False, use_rec=False)
dt_boxes = ocr_results.boxes
dt_boxes = ifdt_boxesisNoneelsedt_boxes.tolist
elapse = ocr_results.elapse
gt_boxes = [v["points"]forvinone_data["shapes"]]
content.append(f"{dt_boxes} {gt_boxes} {elapse}")
withopen("pred.txt", "w", encoding="utf-8")asf:
forvincontent:
f.write(f"{v}
")
fromtext_det_metricimportTextDetMetric
metric = TextDetMetric
pred_path = "pred.txt"
metric = metric(pred_path)
print(metric)
经过上述实验，std 和 mean 都设为 0.5，指标会更好。至于缘由，不得而知。这一点，我这里后续依旧沿用 0.5 的默认值了。有想要严格对齐的小伙伴，可以自行更改这部分。更改方法：
engine = RapidOCR(
params={
"Det.ocr_version": OCRVersion.PPOCRV6,
"Det.std": [0.229, 0.224, 0.225],
"Det.mean": [0.485, 0.456, 0.406],
},
)
不同点： limit_side_len 不同
以下来自参数介绍 文档 [2] ：
limit_side_len (float) : 限制图像边的长度的像素值。默认值为 736。
limit_type (str) : 限制图像的最小边长度还是最大边为 limit_side_len 。示例解释：当 limit_type=min 和 limit_side_len=736 时，图像最小边小于 736 时，会将图像最小边拉伸到 736，另一边则按图像原始比例等比缩放。
在 limit_type="min" 前提下，我这里给出 limit_side_len 的具体例子说明：
目前两个库的参数情况：
为了比较 limit_side_len 参数值的不同带来的差异，我这里做了控制变量的实验，以 rapidocr 库为基准，仅比较更改 limit_side_len 值，检测指标变化。
limit_side_len=736 (默认)
importcv2
importnumpyasnp
fromdatasetsimportload_dataset
fromtqdmimporttqdm
fromrapidocrimportOCRVersion, RapidOCR
engine = RapidOCR(
params={
"Det.ocr_version": OCRVersion.PPOCRV6,
"Det.limit_side_len": 736,
},
)
dataset = load_dataset("SWHL/text_det_test_dataset")
test_data = dataset["test"]
content =
fori, one_datainenumerate(tqdm(test_data)):
img = np.array(one_data.get("image"))
img = cv2.cvtColor(img, cv2.COLOR_RGB2BGR)
ocr_results = engine(img, use_det=True, use_cls=False, use_rec=False)
dt_boxes = ocr_results.boxes
dt_boxes = ifdt_boxesisNoneelsedt_boxes.tolist
elapse = ocr_results.elapse
gt_boxes = [v["points"]forvinone_data["shapes"]]
content.append(f"{dt_boxes} {gt_boxes} {elapse}")
withopen("pred.txt", "w", encoding="utf-8")asf:
forvincontent:
f.write(f"{v}
")
fromtext_det_metricimportTextDetMetric
metric = TextDetMetric
pred_path = "pred.txt"
metric = metric(pred_path)
print(metric)
limit_side_len=64
importcv2
importnumpyasnp
fromdatasetsimportload_dataset
fromtqdmimporttqdm
fromrapidocrimportOCRVersion, RapidOCR
engine = RapidOCR(
params={
"Det.ocr_version": OCRVersion.PPOCRV6,
"Det.limit_side_len": 64,
},
)
dataset = load_dataset("SWHL/text_det_test_dataset")
test_data = dataset["test"]
content =
fori, one_datainenumerate(tqdm(test_data)):
img = np.array(one_data.get("image"))
img = cv2.cvtColor(img, cv2.COLOR_RGB2BGR)
ocr_results = engine(img, use_det=True, use_cls=False, use_rec=False)
dt_boxes = ocr_results.boxes
dt_boxes = ifdt_boxesisNoneelsedt_boxes.tolist
elapse = ocr_results.elapse
gt_boxes = [v["points"]forvinone_data["shapes"]]
content.append(f"{dt_boxes} {gt_boxes} {elapse}")
withopen("pred.txt", "w", encoding="utf-8")asf:
forvincontent:
f.write(f"{v}
")
fromtext_det_metricimportTextDetMetric
metric = TextDetMetric
pred_path = "pred.txt"
metric = metric(pred_path)
print(metric)
从上述实验指标来看， limit_side_len=736 是更优的选择。但是从推理速度来看， limit_side_len=64 明显更快。我这里后续依旧采用 limit_side_len=736 这个值。有需求的小伙伴可以自行指定其他值，指定方法：
engine = RapidOCR(
params={
"Det.ocr_version": OCRVersion.PPOCRV6,
"Det.limit_side_len": 64,
},
)
不同点： use_dilation 不同
以下来自参数 文档 [3] ：
use_dilation (bool) : 是否使用膨胀。默认为 true。该参数用于将检测到的文本区域做形态学的膨胀处理。
目前两个库的参数情况：
同理，关于该参数，我也设置了对比实验，来看指标变化。
use_dilation=True （默认）
importcv2
importnumpyasnp
fromdatasetsimportload_dataset
fromtqdmimporttqdm
fromrapidocrimportOCRVersion, RapidOCR
engine = RapidOCR(
params={
"Det.ocr_version": OCRVersion.PPOCRV6,
"Det.use_dilation":True,
},
)
dataset = load_dataset("SWHL/text_det_test_dataset")
test_data = dataset["test"]
content =
fori, one_datainenumerate(tqdm(test_data)):
img = np.array(one_data.get("image"))
img = cv2.cvtColor(img, cv2.COLOR_RGB2BGR)
ocr_results = engine(img, use_det=True, use_cls=False, use_rec=False)
dt_boxes = ocr_results.boxes
dt_boxes = ifdt_boxesisNoneelsedt_boxes.tolist
elapse = ocr_results.elapse
gt_boxes = [v["points"]forvinone_data["shapes"]]
content.append(f"{dt_boxes} {gt_boxes} {elapse}")
withopen("pred.txt", "w", encoding="utf-8")asf:
forvincontent:
f.write(f"{v}
")
fromtext_det_metricimportTextDetMetric
metric = TextDetMetric
pred_path = "pred.txt"
metric = metric(pred_path)
print(metric)
use_dilation=False
importcv2
importnumpyasnp
fromdatasetsimportload_dataset
fromtqdmimporttqdm
fromrapidocrimportOCRVersion, RapidOCR
engine = RapidOCR(
params={
"Det.ocr_version": OCRVersion.PPOCRV6,
"Det.use_dilation":False,
},
)
dataset = load_dataset("SWHL/text_det_test_dataset")
test_data = dataset["test"]
content =
fori, one_datainenumerate(tqdm(test_data)):
img = np.array(one_data.get("image"))
img = cv2.cvtColor(img, cv2.COLOR_RGB2BGR)
ocr_results = engine(img, use_det=True, use_cls=False, use_rec=False)
dt_boxes = ocr_results.boxes
dt_boxes = ifdt_boxesisNoneelsedt_boxes.tolist
elapse = ocr_results.elapse
gt_boxes = [v["points"]forvinone_data["shapes"]]
content.append(f"{dt_boxes} {gt_boxes} {elapse}")
withopen("pred.txt", "w", encoding="utf-8")asf:
forvincontent:
f.write(f"{v}
")
fromtext_det_metricimportTextDetMetric
metric = TextDetMetric
pred_path = "pred.txt"
metric = metric(pred_path)
print(metric)
从上述实验指标来看， use_dilatio=True 效果更好，但是推理速度慢了一些。我这里后续依旧采用 use_dilation=True 。有需求的小伙伴可以自行指定。
engine = RapidOCR(
params={
"Det.ocr_version": OCRVersion.PPOCRV6,
"Det.use_dilation":False,
},
)
不同点：图像进入检测模型前预处理
这个属于 rapidocr 特有，具体源码： source code [4] 。
这个对应以下两个参数：（来自 参数介绍文档 [5] ）
max_side_len (int) : 如果输入图像的最大边大于 max_side_len ，则会按宽高比，将最大边缩放到 max_side_len 。默认为 2000 px。
min_side_len (int) : 如果输入图像的最小边小于 min_side_len ，则会按宽高比，将最小边缩放到 min_side_len 。默认为 30 px。
设置这个参数的初衷是限制图像过大或者过小。图像过大，则存在占满机器内存情况，过小则存在文字不清晰。
计划在下个版本（v3.9.2）中，给出开关来开启或关闭这个前处理。默认仍是开启。
use_preprocess_img:true
min_side_len:30
max_side_len:2000
不同点：图像进入文本检测上下补边
这个属于 rapidocr 特有，具体源码： source code [6] 。
这个对应以下两个参数：（来自 参数介绍文档 [7] ）
min_height (int) : 图像最小高度（单位是像素），低于这个值时，会触发图像上下补边操作，补边会让文本检测模型更加准确检测到文本行。默认值为 30。
width_height_ratio (float) : 如果输入图像的宽高比大于 width_height_ratio ，则会触发图像上下补边操作，取值为-1 时：不用这个参数. 默认值为 8。
设置这个参数的初衷是某些图像宽度大，高度小。通过图像预先上下补边，尽可能还原文本检测模型训练时图像比例，来达到图像检测更加准确的目的。
在下个版本（v3.9.2）中，给出开关来开启或关闭这个前处理。默认仍是开启。
use_vertical_padding:true
min_height:30
width_height_ratio:8
总结
要想和 PaddleOCR 参数基本等价，需要按照下面的配置来设置：
fromrapidocrimportOCRVersion, RapidOCR
engine = RapidOCR(
params={
"Det.ocr_version": OCRVersion.PPOCRV6,
"Det.std": [0.5, 0.5, 0.5],
"Det.mean": [0.5, 0.5, 0.5],
"Det.limit_side_len": 64,
"Det.use_dilation":False,
},
)
从以上效果来看，RapidOCR 当前参数基本是更优一些。当然不排除某些图像，情况不同。所以小伙伴在使用时，效果不好时，可以多调调这些参数。
参考资料
[1]
#246 : https://github.com/RapidAI/RapidOCR/discussions/246 #top
[2]
文档:
https://rapidai.github.io/RapidOCRDocs/latest/install_usage/rapidocr/parameters/
[3]
文档:
https://rapidai.github.io/RapidOCRDocs/latest/install_usage/rapidocr/parameters/
[4]
source code: https://github.com/RapidAI/RapidOCR/blob/44e2e900eccf2ad0702030dce9e20f5c5941be39/python/rapidocr/main.py #L281 -L287
[5]
参数介绍文档:
https://rapidai.github.io/RapidOCRDocs/latest/install_usage/rapidocr/parameters/ #global
[6]
source code: https://github.com/RapidAI/RapidOCR/blob/44e2e900eccf2ad0702030dce9e20f5c5941be39/python/rapidocr/main.py #L292 -L294
[7]
参数介绍文档:
https://rapidai.github.io/RapidOCRDocs/latest/install_usage/rapidocr/parameters/ #global
© 版权声明
文章由作者编辑发布，如有侵权内容，请通过“联系我们” 的QQ或者邮件进行反馈，我们会及时处理。
相关文章
暂无评论...
