Merge pull request #1077 from LDOUBLEV/fixocr

add faq, test=document_fix

README_ch.md

@@ -4,6 +4,7 @@
 PaddleOCR旨在打造一套丰富、领先、且实用的OCR工具库，助力使用者训练出更好的模型，并应用落地。
 
 **近期更新**
+- 2020.11.2 [FAQ](./doc/doc_ch/FAQ.md)新增5个高频问题，共计99个常见问题及解答，并且计划以后每周一都会更新，欢迎大家持续关注。
 - 2020.10.26 [FAQ](./doc/doc_ch/FAQ.md)新增5个高频问题，共计94个常见问题及解答，并且计划以后每周一都会更新，欢迎大家持续关注。
 - 2020.9.22 更新PP-OCR技术文章，https://arxiv.org/abs/2009.09941
 - 2020.9.19 更新超轻量压缩ppocr_mobile_slim系列模型，整体模型3.5M(详见[PP-OCR Pipeline](#PP-OCR))，适合在移动端部署使用。[模型下载](#模型下载)
@@ -98,8 +99,8 @@ PaddleOCR旨在打造一套丰富、领先、且实用的OCR工具库，助力
 - [效果展示](#效果展示)
 - FAQ
     - [【精选】OCR精选10个问题](./doc/doc_ch/FAQ.md)
-    - [【理论篇】OCR通用23个问题](./doc/doc_ch/FAQ.md)
-    - [【实战篇】PaddleOCR实战61个问题](./doc/doc_ch/FAQ.md)
+    - [【理论篇】OCR通用24个问题](./doc/doc_ch/FAQ.md)
+    - [【实战篇】PaddleOCR实战65个问题](./doc/doc_ch/FAQ.md)
 - [技术交流群](#欢迎加入PaddleOCR技术交流群)
 - [参考文献](./doc/doc_ch/reference.md)
 - [许可证书](#许可证书)

doc/doc_ch/FAQ.md

@@ -11,43 +11,47 @@
 
 * [近期更新（2020.10.26）](#近期更新)
 * [【精选】OCR精选10个问题](#OCR精选10个问题)
-* [【理论篇】OCR通用23个问题](#OCR通用问题)
-  * [基础知识5题](#基础知识)
+* [【理论篇】OCR通用24个问题](#OCR通用问题)
+  * [基础知识6题](#基础知识)
   * [数据集4题](#数据集)
   * [模型训练调优6题](#模型训练调优)
   * [预测部署8题](#预测部署)
-* [【实战篇】PaddleOCR实战61个问题](#PaddleOCR实战问题)
+* [【实战篇】PaddleOCR实战65个问题](#PaddleOCR实战问题)
   * [使用咨询20题](#使用咨询)
   * [数据集10题](#数据集)
-  * [模型训练调优15题](#模型训练调优)
-  * [预测部署16题](#预测部署)
+  * [模型训练调优18题](#模型训练调优)
+  * [预测部署17题](#预测部署)
 
 
 <a name="近期更新"></a>
 ## 近期更新（2020.10.26）
 
-#### Q2.1.4 印章如何识别
-**A**: 1. 使用带tps的识别网络或abcnet,2.使用极坐标变换将图片拉平之后使用crnn
+#### Q3.4.17： 预测内存泄漏问题
 
-#### Q2.1.5 多语言的字典里是混合了不同的语种，这个是有什么讲究吗？统一到一个字典里会对精度造成多大的损失？
-**A**：统一到一个字典里，会造成最后一层FC过大，增加模型大小。如果有特殊需求的话，可以把需要的几种语言合并字典训练模型，合并字典之后如果引入过多的形近字，可能会造成精度损失，字符平衡的问题可能也需要考虑一下。在PaddleOCR里暂时将语言字典分开。
+**A**：1. 使用hubserving出现内存泄漏，该问题为已知问题，预计在paddle2.0正式版中解决。相关讨论见[issue](https://github.com/PaddlePaddle/PaddleHub/issues/682)
 
-#### Q3.3.16: 如何对检测模型finetune，比如冻结前面的层或某些层使用小的学习率学习？
+**A**：2. C++ 预测出现内存泄漏，该问题已经在paddle2.0rc版本中解决，建议安装paddle2.0rc版本，并更新PaddleOCR代码到最新。
 
-**A**：如果是冻结某些层，可以将变量的stop_gradient属性设置为True，这样计算这个变量之前的所有参数都不会更新了，参考：https://www.paddlepaddle.org.cn/documentation/docs/zh/develop/faq/train_cn.html#id4
-如果对某些层使用更小的学习率学习，静态图里还不是很方便，一个方法是在参数初始化的时候，给权重的属性设置固定的学习率，参考：https://www.paddlepaddle.org.cn/documentation/docs/zh/develop/api/paddle/fluid/param_attr/ParamAttr_cn.html#paramattr
-实际上我们实验发现，直接加载模型去fine-tune，不设置某些层不同学习率，效果也都不错
+#### Q3.3.18:  cpp_infer 在Windows下使用vs2015编译不通过
 
-#### Q3.3.17: 使用通用中文模型作为预训练模型，更改了字典文件，出现ctc_fc_b not used的错误
-**A**：修改了字典之后，识别模型的最后一层FC纬度发生了改变，没有办法加载参数。这里是一个警告，可以忽略，正常训练即可。
+**A**：1. windows上建议使用VS2019工具编译，具体编译细节参考[链接](https://github.com/PaddlePaddle/PaddleOCR/blob/develop/deploy/cpp_infer/docs/windows_vs2019_build.md)
 
+**A**：2. 在release模式下而不是debug模式下编译，参考[issue](https://github.com/PaddlePaddle/PaddleOCR/issues/1023)
+
+#### Q3.3.19:  No module named 'tools.infer'
+
+**A**：1. 确保在PaddleOCR/目录下执行的指令，执行'export PYTHONPATH=.'
+
+**A**：2. 拉取github上最新代码，这个问题在10月底已修复。
+
+#### Q3.3.20:  训练模型和测试模型的检测结果差距较大
+
+**A**：1. 检查两个模型使用的后处理参数是否是一样的，训练的后处理参数在配置文件中的[PostProcess](https://github.com/PaddlePaddle/PaddleOCR/blob/e9d533fc1fdf7bbce79947dde54b05011bb1e135/configs/det/det_mv3_db_v1.1.yml#L54)部分，测试模型的后处理参数在[tools/infer/utility.py](https://github.com/PaddlePaddle/PaddleOCR/blob/e9d533fc1fdf7bbce79947dde54b05011bb1e135/tools/infer/utility.py#L47)中，最新代码中两个后处理参数已保持一致。
+
+#### Q2.2.5： 文本行较紧密的情况下如何准确检测？
+
+**A**：使用基于分割的方法，如DB，检测密集文本行时，最好收集一批数据进行训练，并且在训练时，并将生成二值图像的[shrink_ratio](https://github.com/PaddlePaddle/PaddleOCR/blob/e9d533fc1fdf7bbce79947dde54b05011bb1e135/ppocr/data/det/make_shrink_map.py#L46)参数调小一些；
 
-#### Q3.1.18：如何加入自己的检测算法？
-**A**：1. 在ppocr/modeling对应目录下分别选择backbone，head。如果没有可用的可以新建文件并添加
-       2. 在ppocr/data下选择对应的数据处理处理方式，如果没有可用的可以新建文件并添加
-       3. 在ppocr/losses下新建文件并编写loss
-       4. 在ppocr/postprocess下新建文件并编写后处理算法
-       5. 将上面四个步骤里新添加的类或函数参照yml文件写到配置中
 
 <a name="OCR精选10个问题"></a>
 ## 【精选】OCR精选10个问题
@@ -177,6 +181,11 @@
 
 **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。
 
+#### Q2.2.5： 文本行较紧密的情况下如何准确检测？
+
+**A**：使用基于分割的方法，如DB，检测密集文本行时，最好收集一批数据进行训练，并且在训练时，并将生成二值图像的shrink_ratio参数调小一些；
+
+
 ### 模型训练调优
 
 #### Q2.3.1：如何更换文本检测/识别的backbone？
@@ -493,6 +502,23 @@ return paddle.reader.multiprocess_reader(readers, False, queue_size=320)
 #### Q3.3.17: 使用通用中文模型作为预训练模型，更改了字典文件，出现ctc_fc_b not used的错误
 **A**：修改了字典之后，识别模型的最后一层FC纬度发生了改变，没有办法加载参数。这里是一个警告，可以忽略，正常训练即可。
 
+#### Q3.3.18:  cpp_infer 在Windows下使用vs2015编译不通过
+
+**A**：1. windows上建议使用VS2019工具编译，具体编译细节参考[链接](https://github.com/PaddlePaddle/PaddleOCR/blob/develop/deploy/cpp_infer/docs/windows_vs2019_build.md)
+
+**A**：2. 在release模式下而不是debug模式下编译，参考[issue](https://github.com/PaddlePaddle/PaddleOCR/issues/1023)
+
+#### Q3.3.19:  No module named 'tools.infer'
+
+**A**：1. 确保在PaddleOCR/目录下执行的指令，执行'export PYTHONPATH=.'
+
+**A**：2. 拉取github上最新代码，这个问题在10月底已修复。
+
+#### Q3.3.20:  训练模型和测试模型的检测结果差距较大
+
+**A**：1. 检查两个模型使用的后处理参数是否是一样的，训练的后处理参数在配置文件中的PostProcess部分，测试模型的后处理参数在tools/infer/utility.py中，最新代码中两个后处理参数已保持一致。
+
+
 ### 预测部署
 
 #### Q3.4.1：如何pip安装opt模型转换工具？
@@ -566,3 +592,9 @@ return paddle.reader.multiprocess_reader(readers, False, queue_size=320)
 #### Q3.4.16： hub serving部署服务时如何多gpu同时利用起来，export CUDA_VISIBLE_DEVICES=0,1 方式吗？
 
 **A**：hubserving的部署方式目前暂不支持多卡预测，除非手动启动多个serving，不同端口对应不同卡。或者可以使用paddleserving进行部署，部署工具已经发布：https://github.com/PaddlePaddle/PaddleOCR/tree/develop/deploy/pdserving ，在启动服务时--gpu_id 0,1 这样就可以
+
+#### Q3.4.17： 预测内存泄漏问题
+
+**A**：1. 使用hubserving出现内存泄漏，该问题为已知问题，预计在paddle2.0正式版中解决。相关讨论见[issue](https://github.com/PaddlePaddle/PaddleHub/issues/682)
+
+**A**：2. C++ 预测出现内存泄漏，该问题已经在paddle2.0rc版本中解决，建议安装paddle2.0rc版本，并更新PaddleOCR代码到最新。