企业官网建设流程全解析

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：

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.nb（DB 检测模型）、rec_crnn.nb（CRNN 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

1. 在本地安装 Android Studio 开发环境；
2. 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 "${CMAKE_CURRENT_SOURCE_DIR}/../../../PaddleLite")（CMakeLists.txt#L13-L14），即需要把 PaddleLite v2.10 解压到工程上级目录的同级位置，构建时会链接其中的libpaddle_light_api_shared.so；
• OpenCV 目录：set(OpenCV_DIR "${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、-fvisibility=hidden、--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：

1. 检测+分类+识别（默认）
2. 检测+识别
3. 分类+识别
4. 检测
5. 识别
6. 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_ocr（ocr_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_det=0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

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_num（ocr_ppredictor.h#L17-L22）；
• CPU 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_LOW（arrays.xml#L35-L50），对应 PaddleLite 的PowerMode枚举。

5.3 输入与输出设置

• det long size（默认 960）：DB 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 0.1）：DB 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0.3（ocr_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_INTERNAL（ocr_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_det（ocr_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_cls（ocr_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"0"（Predictor.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_rec（ocr_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