一、垂直文本识别的核心挑战与优化方向

垂直文本识别（如古籍、表单、票据等场景）与常规横向文本存在显著差异：字符排列方向多样（0°/90°/180°/270°）、字体风格特殊（手写体、繁体字）、背景干扰复杂（表格线、印章遮挡）。这些特性导致传统OCR模型易出现字符断裂、方向误判等问题。

优化方向需聚焦三大层面：

1. 数据增强策略：通过旋转、透视变换模拟垂直文本的倾斜与变形
2. 模型结构适配：调整检测头与识别头的输入尺寸与方向感知能力
3. 后处理优化：结合方向分类器与NLP规则修正识别结果

二、PaddleOCR垂直文本识别实践

2.1 数据准备与标注规范

垂直文本数据需额外标注方向标签（0-3对应0°-270°），推荐使用LabelImg或PPOCRLabel工具。示例标注文件结构：

{
  "transcriptions": [
    {"text": "示例文本", "points": [[x1,y1],[x2,y2],[x3,y3],[x4,y4]], "direction": 1}
  ]
}

数据增强技巧：

• 随机旋转（-45°~+45°）模拟拍摄倾斜
• 透视变换（opencv.warpPerspective）增强畸变容忍度
• 背景融合（将文本叠加到票据/古籍背景图）提升场景适配性

2.2 模型选择与配置

PaddleOCR提供两种垂直文本解决方案：

1. 方向分类+常规识别：先通过方向分类模型（ResNet18）判断文本方向，再旋转后识别
2. 端到端多方向识别：修改CRNN识别头的输入通道数（如从32→64）增强方向特征提取

推荐配置示例（configs/rec/rec_mv3_none_bilstm_ctc.yml）：

Architecture:
  model_type: rec
  algorithm: CRNN
  Transform:
    name: EastTextDetectTransform  # 替换为垂直文本专用变换
    direction_aware: True  # 启用方向感知
  Backbone:
    name: MobileNetV3
    scale: 0.5  # 减小特征图尺寸以适应长文本
  Head:
    name: CTCHead
    out_channels: 512  # 增大通道数提升特征表达能力

三、关键参数调优指南

3.1 检测阶段参数优化

参数	默认值	垂直文本建议值	作用说明
det_db_thresh	0.3	0.4~0.5	提高阈值减少方向误判导致的碎片框
det_db_box_thresh	0.5	0.6~0.7	过滤低置信度倾斜框
det_db_unclip_ratio	1.6	2.0~2.5	扩大检测框适应旋转文本

代码示例（调整检测阈值）：

from ppocr.utils.config import Config
cfg = Config('./configs/det/det_mv3_db.yml')
cfg.det_db_thresh = 0.45
cfg.det_db_box_thresh = 0.65

3.2 识别阶段参数优化

1. CTC解码参数：

   • character_dict_path：需包含方向符号（如[unk]、[s]）
   • use_space_char：设置为True处理古籍中的空白分隔

2. Attention机制参数：

   • max_text_length：古籍长文本建议设为128
   • location_attention：启用位置注意力提升垂直排列字符对齐

参数调优脚本：

from ppocr.postprocess import CTCLabelDecode
decoder = CTCLabelDecode(
    character_dict_path='dict/vertical_dict.txt',
    use_space_char=True,
    max_text_length=128
)

3.3 后处理优化策略

1. 方向校正：

   def correct_direction(text, pred_angle):
       if pred_angle == 1:  # 90°
           return ''.join([c for c in reversed(text)])
       elif pred_angle == 2:  # 180°
           return text[::-1]

2. NLP规则修正：

   • 古籍场景：建立高频词库过滤低频误识别
   • 票据场景：正则表达式匹配金额/日期格式

四、性能评估与迭代

4.1 评估指标选择

垂直文本需重点关注：

• 方向准确率（Direction Accuracy）
• 字符级F1值（Char-F1）
• 长文本识别完整率（Long-Text Completion）

4.2 迭代优化流程

1. 小批量测试：先在100张垂直文本上验证基础参数
2. 渐进式调优：按检测→识别→后处理的顺序逐步优化
3. A/B测试：对比不同参数组合在真实场景下的表现

五、实战案例：古籍文本识别优化

场景描述：识别清代手写古籍，存在以下挑战：

• 文字方向随机（0°/90°混合）
• 繁体字+异体字占比高
• 纸张褶皱导致字符粘连

优化方案：

1. 数据增强：

   • 添加随机褶皱模拟（opencv.filter2D）
   • 生成繁体字-简体字对照数据集

2. 模型调整：

   • 替换Backbone为ResNet50d提升特征提取能力
   • 增大CTC头输出通道至1024

3. 后处理：

   • 结合《康熙字典》建立高频字库
   • 添加手写体连笔修正规则

效果对比：
| 指标 | 优化前 | 优化后 | 提升幅度 |
|———|————|————|—————|
| 方向准确率 | 82.3% | 94.7% | +12.4% |
| 字符识别率 | 76.5% | 89.1% | +12.6% |
| 长文本完整率 | 68.2% | 82.4% | +14.2% |

六、总结与建议

1. 数据质量优先：垂直文本场景需保证标注方向准确性
2. 模型轻量化平衡：在MobileNetV3与ResNet间根据设备性能选择
3. 后处理不可忽视：方向校正与NLP规则可提升10%+准确率
4. 持续迭代：建立垂直文本专用测试集，定期评估模型衰退

通过系统化的参数调优与场景适配，PaddleOCR在垂直文本场景下的识别准确率可显著提升，为古籍数字化、票据处理等业务提供可靠技术支撑。