test=develop,update_docs

doc/doc_ch/FAQ.md

@@ -2,7 +2,7 @@
 
 ## 写在前面
 
-- 我们收集整理了issues和用户群中的常见问题和解答，并且会不断更新，旨在为OCR的开发者提供一些参考，也希望帮助大家少走一些弯路。
+- 我们收集整理了开源以来在issues和用户群中的常见问题并且给出了简要解答，旨在为OCR的开发者提供一些参考，也希望帮助大家少走一些弯路。
 
 - OCR领域大佬众多，本文档回答主要依赖有限的项目实践，难免挂一漏万，如有遗漏和不足，也**希望有识之士帮忙补充和修正**，万分感谢。
 
@@ -19,7 +19,7 @@
   * [使用咨询17题](#使用咨询)
   * [数据集9题](#数据集)
   * [模型训练调优13题](#模型训练调优)
-  * [预测部署14题](#[预测部署)
+  * [预测部署14题](#预测部署)
 
 
 
@@ -64,11 +64,7 @@
 
 **A**：对于两阶段的可以分开来看，分别是检测和识别阶段
 
-（1）检测阶段：先按照检测框和标注框的IOU评估，IOU大于某个阈值判断为检测准确。这里检测框和标注框不同于一般的通用目标检测框，是采用多边形进行表示。
-
-检测准确率：正确的检测框个数在全部检测框的占比，主要是判断检测指标.
-
-检测召回率：正确的检测框个数在全部标注框的占比，主要是判断漏检的指标。
+（1）检测阶段：先按照检测框和标注框的IOU评估，IOU大于某个阈值判断为检测准确。这里检测框和标注框不同于一般的通用目标检测框，是采用多边形进行表示。检测准确率：正确的检测框个数在全部检测框的占比，主要是判断检测指标。检测召回率：正确的检测框个数在全部标注框的占比，主要是判断漏检的指标。
 
 
 （2）识别阶段：
@@ -149,7 +145,7 @@
 
 **A**：可以根据实际场景做不同的尝试，共享一个类别是可以收敛，效果也还不错。但是如果分开训练，同类样本之间一致性更好，更容易收敛，识别效果会更优。
 
-### 训练训练调优
+### 模型训练调优
 
 #### Q2.3.1：如何更换文本检测/识别的backbone？
 **A**：无论是文字检测，还是文字识别，骨干网络的选择是预测效果和预测效率的权衡。一般，选择更大规模的骨干网络，例如ResNet101_vd，则检测或识别更准确，但预测耗时相应也会增加。而选择更小规模的骨干网络，例如MobileNetV3_small_x0_35，则预测更快，但检测或识别的准确率会大打折扣。幸运的是不同骨干网络的检测或识别效果与在ImageNet数据集图像1000分类任务效果正相关。[**飞桨图像分类套件PaddleClas**](https://github.com/PaddlePaddle/PaddleClas)汇总了ResNet_vd、Res2Net、HRNet、MobileNetV3、GhostNet等23种系列的分类网络结构，在上述图像分类任务的top1识别准确率，GPU(V100和T4)和CPU(骁龙855)的预测耗时以及相应的[**117个预训练模型下载地址**](https://paddleclas.readthedocs.io/zh_CN/latest/models/models_intro.html)。
@@ -173,7 +169,9 @@
 #### Q2.3.5：训练识别时，如何选择合适的网络输入shape？
 
 **A**：一般高度采用32，最长宽度的选择，有两种方法：
+
 （1）统计训练样本图像的宽高比分布。最大宽高比的选取考虑满足80%的训练样本。
+
 （2）统计训练样本文字数目。最长字符数目的选取考虑满足80%的训练样本。然后中文字符长宽比近似认为是1，英文认为3：1，预估一个最长宽度。
 
 #### Q2.3.6：如何识别文字比较长的文本？
@@ -193,7 +191,9 @@
 #### Q2.4.3：对于特定文字检测，例如身份证只检测姓名，检测指定区域文字更好，还是检测全部区域再筛选更好？
 
 **A**：两个角度来说明一般检测全部区域再筛选更好。
+
 （1）由于特定文字和非特定文字之间的视觉特征并没有很强的区分行，只检测指定区域，容易造成特定文字漏检。
+
 （2）产品的需求可能是变化的，不排除后续对于模型需求变化的可能性（比如又需要增加一个字段），相比于训练模型，后处理的逻辑会更容易调整。
 
 #### Q2.4.4：对于小白如何快速入门中文OCR项目实践？
@@ -203,7 +203,9 @@
 #### Q2.4.5：如何识别带空格的英文行文本图像？
 
 **A**：空格识别可以考虑以下两种方案：
+
 (1)优化文本检测算法。检测结果在空格处将文本断开。这种方案在检测数据标注时，需要将含有空格的文本行分成好多段。
+
 (2)优化文本识别算法。在识别字典里面引入空格字符，然后在识别的训练数据中，如果用空行，进行标注。此外，合成数据时，通过拼接训练数据，生成含有空格的文本。
 
 #### Q2.4.6：中英文一起识别时也可以加空格字符来训练吗
@@ -212,7 +214,7 @@
 
 #### Q2.4.7：低像素文字或者字号比较小的文字有什么超分辨率方法吗
 
-**A**：超分辨率方法分为传统方法和基于深度学习的方法。基于深度学习的方法中，比较经典的有SRCNN，另外CVPR2020也有一篇超分辨率的工作可以参考：Unpaired Image Super-Resolution using Pseudo-Supervision，但是没有充分的实践验证过，需要看实际场景下的效果。
+**A**：超分辨率方法分为传统方法和基于深度学习的方法。基于深度学习的方法中，比较经典的有SRCNN，另外CVPR2020也有一篇超分辨率的工作可以参考文章：Unpaired Image Super-Resolution using Pseudo-Supervision，但是没有充分的实践验证过，需要看实际场景下的效果。
 
 #### Q2.4.8：表格识别有什么好的模型 或者论文推荐么
 
@@ -286,7 +288,11 @@
 
 #### Q3.1.16：PaddleOCR是否支持在Windows或Mac系统上运行？
 
-**A**：PaddleOCR已完成Windows和Mac系统适配，运行时注意两点：1、在[快速安装](./installation.md)时，如果不想安装docker，可跳过第一步，直接从第二步安装paddle开始。2、inference模型下载时，如果没有安装wget，可直接点击模型链接或将链接地址复制到浏览器进行下载，并解压放置到相应目录。
+**A**：PaddleOCR已完成Windows和Mac系统适配，运行时注意两点：
+
+（1）在[快速安装](./installation.md)时，如果不想安装docker，可跳过第一步，直接从第二步安装paddle开始。
+
+（2）inference模型下载时，如果没有安装wget，可直接点击模型链接或将链接地址复制到浏览器进行下载，并解压放置到相应目录。
 
 #### Q3.1.17：PaddleOCR开源的超轻量模型和通用OCR模型的区别？
 **A**：目前PaddleOCR开源了2个中文模型，分别是8.6M超轻量中文模型和通用中文OCR模型。两者对比信息如下：
@@ -352,8 +358,7 @@
 
 **A**：可以主要参考可视化效果，通用模型更倾向于检测一整行文字，轻量级可能会有一行文字被分成两段检测的情况，不是数量越多，效果就越好。
 
-### 模型训练
-调优
+### 模型训练调优
 
 #### Q3.3.1：文本长度超过25，应该怎么处理？
 
@@ -379,7 +384,6 @@ unclip_ratio: 文本框扩张的系数，关系到文本框的大小``
 
 ```
 ps -axu | grep train.py | awk '{print $2}' | xargs kill -9
-
 ```
 
 #### Q3.3.5：读数据进程数设置4~8时训练一会进程接连defunct后gpu利用率一直为0卡死
@@ -397,7 +401,7 @@ return paddle.reader.multiprocess_reader(readers, False, queue_size=320)
 
 #### Q3.3.7：PaddleOCR默认不是200个step保存一次模型吗？为啥文件夹下面都没有生成
 
-**A**：eval_batch_step [4000, 5000]改为[0, 5000] 就是从第0次迭代开始，每5000迭代保存一次模型
+**A**：因为默认保存的起始点不是0，而是4000，将eval_batch_step [4000, 5000]改为[0, 2000] 就是从第0次迭代开始，每2000迭代保存一次模型
 
 #### Q3.3.8：如何进行模型微调？
 
@@ -414,29 +418,33 @@ return paddle.reader.multiprocess_reader(readers, False, queue_size=320)
 #### Q3.3.11：自己训练出来的未inference转换的模型 可以当作预训练模型吗？
 
 **A**：可以的，但是如果训练数据两量少的话，可能会过拟合到少量数据上，泛化性能不佳。
+
 #### Q3.3.12：使用带TPS的识别模型预测报错
 
 **A**：直接更换配置文件里的Backbone.function即可，格式为：网络文件路径,网络Class名词。如果所需的backbone在PaddleOCR里没有提供，可以参照PaddleClas里面的网络结构，进行修改尝试。具体修改原则可以参考OCR通用问题中 "如何更换文本检测/识别的backbone" 的回答。
 
-#### Q3.3.13：如何更换文本检测/识别的backbone？报错信息：'''Input(X) dims[3] and Input(Grid) dims[2] should be equal, but received X dimension[3](320) != Grid dimension[2](100)  
-**A**：TPS模块暂时无法支持变长的输入，请设置 --rec_image_shape='3,32,100' --rec_char_type='en' 固定输入shape
+#### Q3.3.13：如何更换文本检测/识别的backbone？报错信息：``Input(X) dims[3] and Input(Grid) dims[2] should be equal, but received X dimension[3](320) != Grid dimension[2](100)  ``
+
+**A**：TPS模块暂时无法支持变长的输入，请设置 ``--rec_image_shape='3,32,100' --rec_char_type='en' 固定输入shape``
 
 ### 预测部署
 
 #### Q3.4.1：如何pip安装opt模型转换工具？
 
-**A**：由于OCR端侧部署需要某些算子的支持，这些算子仅在Paddle-Lite 最新develop分支中，所以需要自己编译opt模型转换工具。opt工具可以通过编译PaddleLite获得，编译步骤参考：https://github.com/PaddlePaddle/PaddleOCR/blob/0791714b91/deploy/lite/readme.md  中2.1 模型优化部分。
+**A**：由于OCR端侧部署需要某些算子的支持，这些算子仅在Paddle-Lite 最新develop分支中，所以需要自己编译opt模型转换工具。opt工具可以通过编译PaddleLite获得，编译步骤参考[lite部署文档](https://github.com/PaddlePaddle/PaddleOCR/blob/0791714b91/deploy/lite/readme.md)  中2.1 模型优化部分。
 
 #### Q3.4.2：如何将PaddleOCR预测模型封装成SDK
 
 **A**：如果是Python的话，可以使用tools/infer/predict_system.py中的TextSystem进行sdk封装，如果是c++的话，可以使用deploy/cpp_infer/src下面的DBDetector和CRNNRecognizer完成封装
 
-#### Q3.4.3：服务部署可以只发布 文本识别模型么？（不带文本检测模型）
+#### Q3.4.3：服务部署可以只发布文本识别，而不带文本检测模型么？
 
 **A**：可以的。默认的服务部署是检测和识别串联预测的。也支持单独发布文本检测或文本识别模型，比如使用PaddleHUBPaddleOCR 模型时，deploy下有三个文件夹，分别是
-ocr_det：检测预测
-ocr_rec: 识别预测
-ocr_system: 检测识别串联预测
+
+- ocr_det：检测预测
+- ocr_rec: 识别预测
+- ocr_system: 检测识别串联预测
+
 每个模块是单独分开的，所以可以选择只发布文本识别模型。使用PaddleServing部署时同理。
 
 
@@ -444,14 +452,14 @@ ocr_system: 检测识别串联预测
 
 **A**：测试的时候，对图像等比例缩放，最长边960，不同图像等比例缩放后长宽不一致，无法组成batch，所以设置为test_batch_size为1。
 
-#### Q3.4.5：为什么使用c++ inference和py inference结果不一致
+#### Q3.4.5：为什么使用c++ inference和python inference结果不一致?
 
 **A**：可能是导出的inference model版本与预测库版本需要保持一致，比如在Windows下，Paddle官网提供的预测库版本是1.8，而PaddleOCR提供的inference model 版本是1.7，因此最终预测结果会有差别。可以在Paddle1.8环境下导出模型，再基于该模型进行预测。
 此外也需要保证两者的预测参数配置完全一致。
 
 #### Q3.4.6：为什么第一张张图预测时间很长，第二张之后预测时间会降低？
 
-**A**：第一张图需要初始化，耗时较多。完成模型加载后，之后的预测时间很短。
+**A**：第一张图需要显存资源初始化，耗时较多。完成模型加载后，之后的预测时间会明显缩短。
 
 #### Q3.4.7：请问opt工具可以直接转int8量化后的模型为.nb文件吗
 
@@ -463,7 +471,7 @@ ocr_system: 检测识别串联预测
 
 #### Q3.4.9：PaddleOCR模型是否可以转换成ONNX模型?
 
-**A**：目前不支持转ONNX
+**A**：目前暂不支持转ONNX，相关工作在研发中。
 
 #### Q3.4.10：使用opt工具对检测模型转换时报错 can not found op arguments for node conv2_b_attr