diff --git a/docs/about_model/convert_model/index.html b/docs/about_model/convert_model/index.html index 3be080e7..52341c52 100644 --- a/docs/about_model/convert_model/index.html +++ b/docs/about_model/convert_model/index.html @@ -1416,7 +1416,7 @@

3. 使用该模型 3. 使用该模型 3. 使用该模型 id: 10 , href: "\/RapidOCRDocs\/docs\/install_usage\/rapidocr\/usage\/", title: "使用说明", - description: "初始化 link类RapidOCR是主类，其初始化函数如下：\nclass RapidOCR: def __init__(self, config_path: Optional[str] = None, **kwargs): pass 支持两种自定义传参数的方案，下面分别详细说明：\n以config.yaml方式\n找到rapidocr_onnxruntime安装目录下的config.yaml文件，可以通过pip show rapidocr_onnxruntime找到其安装路径。 将config.yaml拷贝出来，放到当前运行目录下 按需自定义参数修改即可，具体参数解释，参见config.yaml engine = RapidOCR(config_path=\"your.yaml\") (推荐) 以具体参数传入，参数基本和config.yaml中对应，只是个别名称有所区别。\ninfo 以下参数均有默认值，可以不传入任何参数，直接初始化使用即可。intra_op_num_threads和inter_op_num_threads仅是rapidocr_onnxruntime版本下的，其他推理引擎，请参见各自源码 class RapidOCR: def __init__( self, text_score: float = 0.5, print_verbose: bool = False, min_height: int = 30, width_height_ratio: float = 8, det_use_cuda: bool = False, det_model_path: Optional[str] = None, det_limit_side_len: float = 736, det_limit_type: str = \"min\", det_thresh: float = 0.3, det_box_thresh: float = 0.", + description: "初始化 link类RapidOCR是主类，其初始化函数如下：\nclass RapidOCR: def __init__(self, config_path: Optional[str] = None, **kwargs): pass 支持两种自定义传参数的方案，下面分别详细说明：\n以config.yaml方式\n找到rapidocr_onnxruntime安装目录下的config.yaml文件，可以通过pip show rapidocr_onnxruntime找到其安装路径。 将config.yaml拷贝出来，放到当前运行目录下 按需自定义参数修改即可，具体参数解释，参见config.yaml engine = RapidOCR(config_path=\"your.yaml\") (推荐) 以具体参数传入，参数基本和config.yaml中对应，只是个别名称有所区别。\ninfo 以下参数均有默认值，可以不传入任何参数，直接初始化使用即可。intra_op_num_threads和inter_op_num_threads仅是rapidocr_onnxruntime版本下的，其他推理引擎，请参见各自源码 class RapidOCR: def __init__( self, text_score: float = 0.5, print_verbose: bool = False, min_height: int = 30, width_height_ratio: float = 8, det_use_cuda: bool = False, det_use_dml: bool = False, det_model_path: Optional[str] = None, det_limit_side_len: float = 736, det_limit_type: str = \"min\", det_thresh: float = 0.", content: "初始化 link类RapidOCR是主类，其初始化函数如下：\nclass RapidOCR: def __init__(self, config_path: Optional[str] = None, **kwargs): pass 支持两种自定义传参数的方案，下面分别详细说明：\n以config.yaml方式\n找到rapidocr_onnxruntime安装目录下的config.yaml文件，可以通过pip show rapidocr_onnxruntime找到其安装路径。 将config.yaml拷贝出来，放到当前运行目录下 按需自定义参数修改即可，具体参数解释，参见" } ); @@ -1605,8 +1605,8 @@

id: 38 , href: "\/RapidOCRDocs\/docs\/blog\/02_config_parameter\/", title: "config.yaml参数解释", - description: "notifications 该部分以rapidocr_onnxruntime库下config.yaml为例作讲解，其他推理引擎相关配置，请移步具体源码查看。 config.yaml源码 link 详情 Global: text_score: 0.5 use_det: true use_cls: true use_rec: true print_verbose: false min_height: 30 width_height_ratio: 8 use_cuda: \u0026use_cuda false intra_op_num_threads: \u0026intra_nums -1 inter_op_num_threads: \u0026inter_nums -1 Det: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_PP-OCRv4_det_infer.onnx limit_side_len: 736 limit_type: min thresh: 0.3 box_thresh: 0.5 max_candidates: 1000 unclip_ratio: 1.6 use_dilation: true score_mode: fast Cls: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_ppocr_mobile_v2.0_cls_infer.onnx cls_image_shape: [3, 48, 192] cls_batch_num: 6 cls_thresh: 0.", - content: " notifications 该部分以rapidocr_onnxruntime库下config.yaml为例作讲解，其他推理引擎相关配置，请移步具体源码查看。 config.yaml源码 link 详情 Global: text_score: 0.5 use_det: true use_cls: true use_rec: true print_verbose: false min_height: 30 width_height_ratio: 8 use_cuda: \u0026use_cuda false intra_op_num_threads: \u0026intra_nums -1 inter_op_num_threads: \u0026inter_nums -1 Det: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_PP-OCRv4_det_infer.onnx limit_side_len: 736 limit_type: min thresh: 0.3 box_thresh: 0.5 max_candidates: 1000 unclip_ratio: 1.6 use_dilation: true score_mode: fast Cls: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_ppocr_mobile_v2.0_cls_infer.onnx cls_image_shape: [3, 48, 192] cls_batch_num: 6 cls_thresh: 0.9 label_list: ['0', '180'] Rec: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_PP-OCRv4_rec_infer.onnx rec_img_shape: [3, 48, 320] rec_batch_num: 6 Global部分 link 参数名称 取值范围 默认值 作用 text_score [0, 1] 0.5 文本识别结果置信度，值越大，把握越大 use_angle_cls bool true 是否使用文本行的方向分类 print_verbose bool true 是否打印各个部分耗时信息 min_height int 30 图像最小高度（单位是像素）低于这个值，会跳过文本检测阶段，直接进行后续识别 width_height_ratio int 8 如果输入图像的宽高比大于width_height_ratio，则会跳过文本检测，直接进行后续识别width_height_ratio=-1：不用这个参数 use_cuda bool false 是否使用CUDA，加速推理 intra_op_num_threads int -1 参见docs inter_op_num_threads int -1 参见docs min_height是用来过滤只有一行文本的图像（如下图），这类图像不会进入文本检测模块，直接进入后续过程。\nDet部分 link 参数名称 取值范围 默认值 作用 use_cuda bool false 是否使用CUDA，加速推理 limit_side_len - 736 限制图像边的长度的像素值 limit_type [min, max] min 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。 thresh [0, 1] 0.3 图像中文字部分和背景部分分割阈值值越大，文字部分会越小 box_thresh [0, 1] 0.5 文本检测所得框是否保留的阈值，值越大，召回率越低 max_candidates - 1000 图像中最大可检测到的文本框数目，一般够用 unclip_ratio [1.6, 2.0] 1.6 控制文本检测框的大小，值越大，检测框整体越大 use_dilation bool true 是否使用形态学中的膨胀操作，一般采用默认值即可 score_mode string fast fast是求rectangle区域的平均分数，容易造成弯曲文本漏检，slow是求polygon区域的平均分数，会更准确，但速度有所降低，可按需选择 Cls部分 link 参数名称 取值范围 默认值 作用 cls_img_shape - [3, 48, 192] 输入方向分类模型的图像Shape（CHW） cls_batch_num - 6 批次推理的batch大小，一般采用默认值即可，太大并没有明显提速，效果还可能会差 cls_thresh [0, 1] 0.9 方向分类结果的置信度 label_list - [0, 180] 方向分类的标签，0°或者180°，该参数不能动 Rec部分 link 参数名称 取值范围 默认值 作用 rec_img_shape - [3, 48, 320] 输入文本识别模型的图像Shape（CHW） rec_batch_num - 6 批次推理的batch大小，一般采用默认值即可，太大并没有明显提速，效果还可能会差 " + description: "notifications 该部分以rapidocr_onnxruntime库下config.yaml为例作讲解，其他推理引擎相关配置，请移步具体源码查看。 config.yaml源码 link 详情 Global: text_score: 0.5 use_det: true use_cls: true use_rec: true print_verbose: false min_height: 30 width_height_ratio: 8 intra_op_num_threads: \u0026intra_nums -1 inter_op_num_threads: \u0026inter_nums -1 Det: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_PP-OCRv4_det_infer.onnx limit_side_len: 736 limit_type: min thresh: 0.3 box_thresh: 0.5 max_candidates: 1000 unclip_ratio: 1.6 use_dilation: true score_mode: fast Cls: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_ppocr_mobile_v2.0_cls_infer.onnx cls_image_shape: [3, 48, 192] cls_batch_num: 6 cls_thresh: 0.", + content: " notifications 该部分以rapidocr_onnxruntime库下config.yaml为例作讲解，其他推理引擎相关配置，请移步具体源码查看。 config.yaml源码 link 详情 Global: text_score: 0.5 use_det: true use_cls: true use_rec: true print_verbose: false min_height: 30 width_height_ratio: 8 intra_op_num_threads: \u0026intra_nums -1 inter_op_num_threads: \u0026inter_nums -1 Det: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_PP-OCRv4_det_infer.onnx limit_side_len: 736 limit_type: min thresh: 0.3 box_thresh: 0.5 max_candidates: 1000 unclip_ratio: 1.6 use_dilation: true score_mode: fast Cls: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_ppocr_mobile_v2.0_cls_infer.onnx cls_image_shape: [3, 48, 192] cls_batch_num: 6 cls_thresh: 0.9 label_list: ['0', '180'] Rec: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_PP-OCRv4_rec_infer.onnx rec_img_shape: [3, 48, 320] rec_batch_num: 6 Global部分 link 参数名称 取值范围 默认值 作用 text_score [0, 1] 0.5 文本识别结果置信度，值越大，把握越大 use_angle_cls bool true 是否使用文本行的方向分类 print_verbose bool true 是否打印各个部分耗时信息 min_height int 30 图像最小高度（单位是像素）低于这个值，会跳过文本检测阶段，直接进行后续识别 width_height_ratio int 8 如果输入图像的宽高比大于width_height_ratio，则会跳过文本检测，直接进行后续识别width_height_ratio=-1：不用这个参数 intra_op_num_threads int -1 参见docs inter_op_num_threads int -1 参见docs min_height是用来过滤只有一行文本的图像（如下图），这类图像不会进入文本检测模块，直接进入后续过程。\nDet部分 link 参数名称 取值范围 默认值 作用 use_cuda bool false 是否使用CUDA加速推理 use_dml bool false 是否使用DirectML加速推理(仅限于Window10及以上) limit_side_len - 736 限制图像边的长度的像素值 limit_type [min, max] min 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。 thresh [0, 1] 0.3 图像中文字部分和背景部分分割阈值值越大，文字部分会越小 box_thresh [0, 1] 0.5 文本检测所得框是否保留的阈值，值越大，召回率越低 max_candidates - 1000 图像中最大可检测到的文本框数目，一般够用 unclip_ratio [1.6, 2.0] 1.6 控制文本检测框的大小，值越大，检测框整体越大 use_dilation bool true 是否使用形态学中的膨胀操作，一般采用默认值即可 score_mode string fast fast是求rectangle区域的平均分数，容易造成弯曲文本漏检，slow是求polygon区域的平均分数，会更准确，但速度有所降低，可按需选择 Cls部分 link 参数名称 取值范围 默认值 作用 cls_img_shape - [3, 48, 192] 输入方向分类模型的图像Shape（CHW） cls_batch_num - 6 批次推理的batch大小，一般采用默认值即可，太大并没有明显提速，效果还可能会差 cls_thresh [0, 1] 0.9 方向分类结果的置信度 label_list - [0, 180] 方向分类的标签，0°或者180°，该参数不能动 Rec部分 link 参数名称 取值范围 默认值 作用 rec_img_shape - [3, 48, 320] 输入文本识别模型的图像Shape（CHW） rec_batch_num - 6 批次推理的batch大小，一般采用默认值即可，太大并没有明显提速，效果还可能会差 " } ); index.add( @@ -1668,8 +1668,8 @@

id: 45 , href: "\/RapidOCRDocs\/docs\/changelog\/rapidocr\/", title: "rapidocr_onnxruntime/openvino", - description: "🧚🏻‍♀️2024-05-12 v1.3.18 update: link Merge PR #176 支持python 3.12 🔥2024-04-19 v1.3.17 update: link Merge PR 修复issue #170 📘2024-04-07 v1.3.16 update: link修复issue #161 🍿2024-03-07 v1.3.15 update: link 修复 issue #158 增加三个推理引擎（onnxruntime、openvino，paddlepaddle）初始化RapidOCR类，指定线程数的参数 🎂2024-03-05 v1.3.14 update: link添加可使用的CPU核心数，包括三个推理引擎，onnxruntime/OpenVINO/PaddlePaddle 🔖2024-02-28 v1.3.13 update: link 优化LoadImage类，添加对输入PIL.Image.Image的支持 修复不同输入类型下，图像通道顺序不同的问题 🍉2024-02-27 v1.3.12 update: link可视化函数适配Pillow v9和v10两个版本，自动根据各个版本情况，来选择相应获得char大小的函数 ♥️2024-02-04 v1.3.11 update: linkMerge PR #151 by LWQ2EDU 添加自动padding策略：当传入图像小于min_height或者\u003ewidth_height_ratio时，会触发自动padding图像，后续再进入检测。 ⚠️注意：padding值多少？当前值是一个权衡设置，大家可根据具体使用场景，自定设置合适值。 🌈2024-01-30 v1.3.10 update: link 修复get_boxes_img_without_det bug by AuroraWright 🥰2023-12-28 v1.3.9 update: link 优化rapidocr系列库主函数代码逻辑，便于小伙伴们二次开发 Merge PR #141 by theikkila Merge PR #139 by debanjum 😜2023-10-25 v1.", - content: "🧚🏻‍♀️2024-05-12 v1.3.18 update: link Merge PR #176 支持python 3.12 🔥2024-04-19 v1.3.17 update: link Merge PR 修复issue #170 📘2024-04-07 v1.3.16 update: link修复issue #161\n🍿2024-03-07 v1.3.15 update: link 修复 issue #158 增加三个推理引擎（onnxruntime、openvino，paddlepaddle）初始化RapidOCR类，指定线程数的参数 🎂2024-03-05 v1.3.14 update: link添加可使用的CPU核心数，包括三个推理引擎，onnxruntime/OpenVINO/PaddlePaddle\n🔖2024-02-28 v1.3.13 update: link 优化LoadImage类，添加对输入PIL.Image.Image的支持 修复不同输入类型下，图像通道顺序不同的问题 🍉2024-02-27 v1.3.12 update: link可视化函数适配Pillow v9和v10两个版本，自动根据各个版本情况，来选择相应获得char大小的函数\n♥️2024-02-04 v1.3.11 update: linkMerge PR #151 by LWQ2EDU\n添加自动padding策略：当传入图像小于min_height或者\u003ewidth_height_ratio时，会触发自动padding图像，后续再进入检测。 ⚠️注意：padding值多少？当前值是一个权衡设置，大家可根据具体使用场景，自定设置合适值。 🌈2024-01-30 v1.3.10 update: link 修复get_boxes_img_without_det bug by AuroraWright 🥰2023-12-28 v1.3.9 update: link 优化rapidocr系列库主函数代码逻辑，便于小伙伴们二次开发 Merge PR #141 by theikkila Merge PR #139 by debanjum 😜2023-10-25 v1.3.8 update: link 修复issue #133 📡2023-09-21 v1.3.7 update: link 完善VisRes类在终端情况下的使用 修复auto_text_det的条件错误 🧸2023-09-20 v1.3.6 update: link 添加VisRes类，便于快速可视化结果。详情参见demo.py用法 😀2023-09-20 v1.3.5 update: link Fixed issue #122 ⏰2023-09-18 v1.3.4 update: link 优化更新参数部分的函数实现 🧸2023-09-06 v1.3.2 update: link 修复issue #116 ⭐2023-08-29 v1.3.1 update: link 修复issue #115 🎉2023-08-26 v1.3.0 update: link 将PaddleOCR v4版对应的文本检测和文本识别轻量模型转换为onnx，并打包到whl中。 接口与v1.2.x一致，直接使用即可。 😉2023-07-12 v1.2.12 update: link 在rapidocr_onnxruntime初始化时，添加det_use_cuda、cls_use_cuda、rec_use_cuda参数 兼容配置文件方式传入RapidOCR类中 rapidocr_openvino同理 🎮2023-03-11 v1.2.2 update: link 修复实例化python中RapidOCR类传入参数错误 🧢2023-03-07 v1.2.1 update: link rapidocr系列包更新到v1.2.0 优化python下rapidocr系列包的接口传入参数，支持实例化类时，动态给定各个参数，更加灵活。 如果不指定，则用config.yaml下的默认参数。 具体可参见：传入参数 ⛸2023-02-16 update: link 优化ocrweb部分代码，可直接pip安装，快速使用，详情参见README。 优化python中各个部分的推理代码，更加紧凑，同时易于维护。 🎉2023-01-21 update: link [python] 添加含有文字的图像方向分类模块，具体参见Rapid Orientation ⚽2022-12-19 update: link [python] 添加表格结构还原模块，具体参见Rapid Table 🤖2022-12-14 update: link [python] 将配置参数和模型移到模块里面，同时将模型打到whl包内，可以直接pip安装使用，更加方便快捷。 详情参见：README 🧻2022-11-20 update: link [python] 添加版面分析部分,支持中文、英文和表格三种版面的检测分析。详情参见:Rapid Structure部分。 🎃2022-11-01 update: link 添加Hugging Face Demo, 增加可以调节超参数的功能，详情可访问Hugging Face Demo 🚩2022-10-01 udpate: link 修复python部分下一些较小bugs merge来自AutumnSun1996的OCRWeb实现的多语言部署demo，详情参见：ocrweb_mutli-README 添加onnxruntime-gpu推理速度较慢于CPU的问题说明，详情参见：onnxruntime-gpu版相关说明 🛴2022-09-01 update: link 由于openvino发布了2022.2.0.dev20220829版本，该版本解决了cls部分模型推理的问题。至此，基于openvino的rapidocr完成了统一，全部由openvino推理引擎完成。 详细使用方法参见：python/README 🧸2022-08-17 update: link python/ocrweb部分 v1.1.0发布，详情参见v1.1.0 🕶2022-08-14 update: link ocrweb部分增加以API方式部署调用的功能，可以通过发送POST请求，来获得OCR识别结果。 详情参见：API方式调用 ✨2022-07-07 update: link 修复python版中v3 rec推理bug，并将v3 rec与v2 rec合并为同一套推理代码，更加简洁和方便 添加python模块下的单元测试 该页面添加致谢模块，感谢为这个项目作出贡献的小伙伴。 😁2022-07-05 update: link 添加对单行文本的处理能力，对于单行文本，可自行设定阈值，不过检测模块，直接识别即可。详情参见README 优化python部分代码逻辑，更优雅简洁。 🏝2022-06-30 update: link python推理部分，增加参数选择使用GPU推理的配置选项，在正确安装onnxruntime-gpu版本前提下，可以一键使用（Fix issue#30） 具体基于GPU的推理情况，需要等我后续整理一下，再更新出来 详情参见：onnxruntime-gpu版推理配置 📌2022-06-25 update: link 重新整理python部分推理代码，将常用调节参数全部放到yaml文件中，便于调节，更加容易使用 详情参见：README 🍿2022-05-15 udpate: link 增加PaddleOCR v3 rec模型转换后的ONNX模型，直接去网盘下载替换即可。(百度网盘 | Google Drive) 增加文本识别模型各个版本效果对比表格，详情点击各个版本ONNX模型效果对比。v3的文本识别模型从自己构建测试集上的指标来看不如之前的好。 😀2022-05-12 upadte link 增加PaddleOCR v3 det模型转换的ONNX模型，直接去网盘下载，替换即可。(百度网盘 | Google Drive) 增加各个版本文本检测模型效果对比表格，详情点击各个版本ONNX模型效果对比。v3的文本检测模型从指标来看是好于之前的v2的，推荐使用。 🎧2022-04-04 udpate: link 增加python下的基于OpenVINO推理引擎的支持 给出OpenVINO和ONNXRuntime的性能对比表格 详情参见:python/README 2022-02-24 udpate: link 优化python目录下的推理代码 添加调用不同语言模型的推理代码示例 详情参见：python/onnxruntime_infer/README 2021-12-18 udpate: link 添加Google Colab Demo 2021-11-28 udpate: link 更新ocrweb部分 添加显示各个阶段处理时间 更新说明文档 更换文本检测模型为ch_PP-OCRv2_det_infer.onnx,推理更快，更准 2021-11-13 udpate: link 添加python版本中文本检测和识别可调节的超参数，主要有box_thresh|unclip_ratio|text_score，详情见参数调节 将文本识别中字典位置以参数方式给出，便于灵活配置，详情见keys_path 2021-10-27 udpate: link 添加使用onnxruntime-gpu版推理的代码（不过gpu版本的onnxruntime不太好用，按照官方教程配置，感觉没有调用起来GPU） 具体使用步骤参见: onnxruntime-gpu推理配置 2021-09-13 udpate: link 添加基于python的whl文件，便于使用，详情参见release/python_sdk 2021-09-11 udpate: link 添加PP-OCRv2新增模型onnx版本 使用方法推理代码不变，直接替换对应模型即可。 经过在自有测试集上评测： PP-OCRv2检测模型效果有大幅度提升，模型大小没变。 PP-OCRv2识别模型效果无明显提升，模型大小增加了3.58M。 模型上传到百度网盘 提取码：30jv 2021-08-07 udpate: link PP-Structure 表格结构和cell坐标预测 正在整理中 之前做的,未完成的，欢迎提PR 打Dokcer镜像 尝试onnxruntime-gpu推理 2021-07-17 udpate: link 完善README文档 增加英文、数字识别onnx模型，具体参见python/en_number_ppocr_mobile_v2_rec，用法同其他 整理一下模型转onnx 2021-07-04 udpate: link 目前仓库下的python程序已经可以在树莓派4B上，成功运行，详细信息请进群，询问群主 更新整体结构图，添加树莓派的支持 2021-06-20 udpate: link 优化ocrweb中识别结果显示，同时添加识别动图演示 更新datasets目录，添加一些常用数据库链接(搬运一下^-^) 更新FAQ 2021-06-10 udpate: link 添加server版文本识别模型，详情见提取码：30jv 2021-06-08 udpate: link 整理仓库，统一模型下载路径 完善相关说明文档 2021-03-24 udpate: link 新模型已经完全兼容ONNXRuntime 1.7 或更高版本。 特别感谢：@Channingss 新版onnxruntime比1.6.0 性能提升40%以上。 " + description: "🛠️2024-05-15 v1.3.19 update: link 因为DirectML受支持设备限制，因此将DirectML作为一个选项写入配置文件，选择性调用 在Windows平台仍然恢复到v1.3.18前，默认安装onnxruntime库。如DirectML可用，且显式指定时，需要手动安装。 相关讨论：PR #178 Discussion #175 🧚🏻‍♀️2024-05-12 v1.3.18 update: link Merge PR #176 支持python 3.12 🔥2024-04-19 v1.3.17 update: link Merge PR 修复issue #170 📘2024-04-07 v1.3.16 update: link修复issue #161 🍿2024-03-07 v1.3.15 update: link 修复 issue #158 增加三个推理引擎（onnxruntime、openvino，paddlepaddle）初始化RapidOCR类，指定线程数的参数 🎂2024-03-05 v1.3.14 update: link添加可使用的CPU核心数，包括三个推理引擎，onnxruntime/OpenVINO/PaddlePaddle 🔖2024-02-28 v1.3.13 update: link 优化LoadImage类，添加对输入PIL.Image.Image的支持 修复不同输入类型下，图像通道顺序不同的问题 🍉2024-02-27 v1.3.12 update: link可视化函数适配Pillow v9和v10两个版本，自动根据各个版本情况，来选择相应获得char大小的函数 ♥️2024-02-04 v1.3.11 update: linkMerge PR #151 by LWQ2EDU 添加自动padding策略：当传入图像小于min_height或者\u003ewidth_height_ratio时，会触发自动padding图像，后续再进入检测。 ⚠️注意：padding值多少？当前值是一个权衡设置，大家可根据具体使用场景，自定设置合适值。 🌈2024-01-30 v1.3.10 update: link 修复get_boxes_img_without_det bug by AuroraWright 🥰2023-12-28 v1.", + content: "🛠️2024-05-15 v1.3.19 update: link 因为DirectML受支持设备限制，因此将DirectML作为一个选项写入配置文件，选择性调用 在Windows平台仍然恢复到v1.3.18前，默认安装onnxruntime库。如DirectML可用，且显式指定时，需要手动安装。 相关讨论：PR #178 Discussion #175 🧚🏻‍♀️2024-05-12 v1.3.18 update: link Merge PR #176 支持python 3.12 🔥2024-04-19 v1.3.17 update: link Merge PR 修复issue #170 📘2024-04-07 v1.3.16 update: link修复issue #161\n🍿2024-03-07 v1.3.15 update: link 修复 issue #158 增加三个推理引擎（onnxruntime、openvino，paddlepaddle）初始化RapidOCR类，指定线程数的参数 🎂2024-03-05 v1.3.14 update: link添加可使用的CPU核心数，包括三个推理引擎，onnxruntime/OpenVINO/PaddlePaddle\n🔖2024-02-28 v1.3.13 update: link 优化LoadImage类，添加对输入PIL.Image.Image的支持 修复不同输入类型下，图像通道顺序不同的问题 🍉2024-02-27 v1.3.12 update: link可视化函数适配Pillow v9和v10两个版本，自动根据各个版本情况，来选择相应获得char大小的函数\n♥️2024-02-04 v1.3.11 update: linkMerge PR #151 by LWQ2EDU\n添加自动padding策略：当传入图像小于min_height或者\u003ewidth_height_ratio时，会触发自动padding图像，后续再进入检测。 ⚠️注意：padding值多少？当前值是一个权衡设置，大家可根据具体使用场景，自定设置合适值。 🌈2024-01-30 v1.3.10 update: link 修复get_boxes_img_without_det bug by AuroraWright 🥰2023-12-28 v1.3.9 update: link 优化rapidocr系列库主函数代码逻辑，便于小伙伴们二次开发 Merge PR #141 by theikkila Merge PR #139 by debanjum 😜2023-10-25 v1.3.8 update: link 修复issue #133 📡2023-09-21 v1.3.7 update: link 完善VisRes类在终端情况下的使用 修复auto_text_det的条件错误 🧸2023-09-20 v1.3.6 update: link 添加VisRes类，便于快速可视化结果。详情参见demo.py用法 😀2023-09-20 v1.3.5 update: link Fixed issue #122 ⏰2023-09-18 v1.3.4 update: link 优化更新参数部分的函数实现 🧸2023-09-06 v1.3.2 update: link 修复issue #116 ⭐2023-08-29 v1.3.1 update: link 修复issue #115 🎉2023-08-26 v1.3.0 update: link 将PaddleOCR v4版对应的文本检测和文本识别轻量模型转换为onnx，并打包到whl中。 接口与v1.2.x一致，直接使用即可。 😉2023-07-12 v1.2.12 update: link 在rapidocr_onnxruntime初始化时，添加det_use_cuda、cls_use_cuda、rec_use_cuda参数 兼容配置文件方式传入RapidOCR类中 rapidocr_openvino同理 🎮2023-03-11 v1.2.2 update: link 修复实例化python中RapidOCR类传入参数错误 🧢2023-03-07 v1.2.1 update: link rapidocr系列包更新到v1.2.0 优化python下rapidocr系列包的接口传入参数，支持实例化类时，动态给定各个参数，更加灵活。 如果不指定，则用config.yaml下的默认参数。 具体可参见：传入参数 ⛸2023-02-16 update: link 优化ocrweb部分代码，可直接pip安装，快速使用，详情参见README。 优化python中各个部分的推理代码，更加紧凑，同时易于维护。 🎉2023-01-21 update: link [python] 添加含有文字的图像方向分类模块，具体参见Rapid Orientation ⚽2022-12-19 update: link [python] 添加表格结构还原模块，具体参见Rapid Table 🤖2022-12-14 update: link [python] 将配置参数和模型移到模块里面，同时将模型打到whl包内，可以直接pip安装使用，更加方便快捷。 详情参见：README 🧻2022-11-20 update: link [python] 添加版面分析部分,支持中文、英文和表格三种版面的检测分析。详情参见:Rapid Structure部分。 🎃2022-11-01 update: link 添加Hugging Face Demo, 增加可以调节超参数的功能，详情可访问Hugging Face Demo 🚩2022-10-01 udpate: link 修复python部分下一些较小bugs merge来自AutumnSun1996的OCRWeb实现的多语言部署demo，详情参见：ocrweb_mutli-README 添加onnxruntime-gpu推理速度较慢于CPU的问题说明，详情参见：onnxruntime-gpu版相关说明 🛴2022-09-01 update: link 由于openvino发布了2022.2.0.dev20220829版本，该版本解决了cls部分模型推理的问题。至此，基于openvino的rapidocr完成了统一，全部由openvino推理引擎完成。 详细使用方法参见：python/README 🧸2022-08-17 update: link python/ocrweb部分 v1.1.0发布，详情参见v1.1.0 🕶2022-08-14 update: link ocrweb部分增加以API方式部署调用的功能，可以通过发送POST请求，来获得OCR识别结果。 详情参见：API方式调用 ✨2022-07-07 update: link 修复python版中v3 rec推理bug，并将v3 rec与v2 rec合并为同一套推理代码，更加简洁和方便 添加python模块下的单元测试 该页面添加致谢模块，感谢为这个项目作出贡献的小伙伴。 😁2022-07-05 update: link 添加对单行文本的处理能力，对于单行文本，可自行设定阈值，不过检测模块，直接识别即可。详情参见README 优化python部分代码逻辑，更优雅简洁。 🏝2022-06-30 update: link python推理部分，增加参数选择使用GPU推理的配置选项，在正确安装onnxruntime-gpu版本前提下，可以一键使用（Fix issue#30） 具体基于GPU的推理情况，需要等我后续整理一下，再更新出来 详情参见：onnxruntime-gpu版推理配置 📌2022-06-25 update: link 重新整理python部分推理代码，将常用调节参数全部放到yaml文件中，便于调节，更加容易使用 详情参见：README 🍿2022-05-15 udpate: link 增加PaddleOCR v3 rec模型转换后的ONNX模型，直接去网盘下载替换即可。(百度网盘 | Google Drive) 增加文本识别模型各个版本效果对比表格，详情点击各个版本ONNX模型效果对比。v3的文本识别模型从自己构建测试集上的指标来看不如之前的好。 😀2022-05-12 upadte link 增加PaddleOCR v3 det模型转换的ONNX模型，直接去网盘下载，替换即可。(百度网盘 | Google Drive) 增加各个版本文本检测模型效果对比表格，详情点击各个版本ONNX模型效果对比。v3的文本检测模型从指标来看是好于之前的v2的，推荐使用。 🎧2022-04-04 udpate: link 增加python下的基于OpenVINO推理引擎的支持 给出OpenVINO和ONNXRuntime的性能对比表格 详情参见:python/README 2022-02-24 udpate: link 优化python目录下的推理代码 添加调用不同语言模型的推理代码示例 详情参见：python/onnxruntime_infer/README 2021-12-18 udpate: link 添加Google Colab Demo 2021-11-28 udpate: link 更新ocrweb部分 添加显示各个阶段处理时间 更新说明文档 更换文本检测模型为ch_PP-OCRv2_det_infer.onnx,推理更快，更准 2021-11-13 udpate: link 添加python版本中文本检测和识别可调节的超参数，主要有box_thresh|unclip_ratio|text_score，详情见参数调节 将文本识别中字典位置以参数方式给出，便于灵活配置，详情见keys_path 2021-10-27 udpate: link 添加使用onnxruntime-gpu版推理的代码（不过gpu版本的onnxruntime不太好用，按照官方教程配置，感觉没有调用起来GPU） 具体使用步骤参见: onnxruntime-gpu推理配置 2021-09-13 udpate: link 添加基于python的whl文件，便于使用，详情参见release/python_sdk 2021-09-11 udpate: link 添加PP-OCRv2新增模型onnx版本 使用方法推理代码不变，直接替换对应模型即可。 经过在自有测试集上评测： PP-OCRv2检测模型效果有大幅度提升，模型大小没变。 PP-OCRv2识别模型效果无明显提升，模型大小增加了3.58M。 模型上传到百度网盘 提取码：30jv 2021-08-07 udpate: link PP-Structure 表格结构和cell坐标预测 正在整理中 之前做的,未完成的，欢迎提PR 打Dokcer镜像 尝试onnxruntime-gpu推理 2021-07-17 udpate: link 完善README文档 增加英文、数字识别onnx模型，具体参见python/en_number_ppocr_mobile_v2_rec，用法同其他 整理一下模型转onnx 2021-07-04 udpate: link 目前仓库下的python程序已经可以在树莓派4B上，成功运行，详细信息请进群，询问群主 更新整体结构图，添加树莓派的支持 2021-06-20 udpate: link 优化ocrweb中识别结果显示，同时添加识别动图演示 更新datasets目录，添加一些常用数据库链接(搬运一下^-^) 更新FAQ 2021-06-10 udpate: link 添加server版文本识别模型，详情见提取码：30jv 2021-06-08 udpate: link 整理仓库，统一模型下载路径 完善相关说明文档 2021-03-24 udpate: link 新模型已经完全兼容ONNXRuntime 1.7 或更高版本。 特别感谢：@Channingss 新版onnxruntime比1.6.0 性能提升40%以上。 " } ); index.add( diff --git a/docs/about_model/model_summary/index.html b/docs/about_model/model_summary/index.html index e85af918..2b7fb251 100644 --- a/docs/about_model/model_summary/index.html +++ b/docs/about_model/model_summary/index.html @@ -1803,7 +1803,7 @@

文本识别模型 文本识别模型 文本识别模型 情 id: 10 , href: "\/RapidOCRDocs\/docs\/install_usage\/rapidocr\/usage\/", title: "使用说明", - description: "初始化 link类RapidOCR是主类，其初始化函数如下：\nclass RapidOCR: def __init__(self, config_path: Optional[str] = None, **kwargs): pass 支持两种自定义传参数的方案，下面分别详细说明：\n以config.yaml方式\n找到rapidocr_onnxruntime安装目录下的config.yaml文件，可以通过pip show rapidocr_onnxruntime找到其安装路径。 将config.yaml拷贝出来，放到当前运行目录下 按需自定义参数修改即可，具体参数解释，参见config.yaml engine = RapidOCR(config_path=\"your.yaml\") (推荐) 以具体参数传入，参数基本和config.yaml中对应，只是个别名称有所区别。\ninfo 以下参数均有默认值，可以不传入任何参数，直接初始化使用即可。intra_op_num_threads和inter_op_num_threads仅是rapidocr_onnxruntime版本下的，其他推理引擎，请参见各自源码 class RapidOCR: def __init__( self, text_score: float = 0.5, print_verbose: bool = False, min_height: int = 30, width_height_ratio: float = 8, det_use_cuda: bool = False, det_model_path: Optional[str] = None, det_limit_side_len: float = 736, det_limit_type: str = \"min\", det_thresh: float = 0.3, det_box_thresh: float = 0.", + description: "初始化 link类RapidOCR是主类，其初始化函数如下：\nclass RapidOCR: def __init__(self, config_path: Optional[str] = None, **kwargs): pass 支持两种自定义传参数的方案，下面分别详细说明：\n以config.yaml方式\n找到rapidocr_onnxruntime安装目录下的config.yaml文件，可以通过pip show rapidocr_onnxruntime找到其安装路径。 将config.yaml拷贝出来，放到当前运行目录下 按需自定义参数修改即可，具体参数解释，参见config.yaml engine = RapidOCR(config_path=\"your.yaml\") (推荐) 以具体参数传入，参数基本和config.yaml中对应，只是个别名称有所区别。\ninfo 以下参数均有默认值，可以不传入任何参数，直接初始化使用即可。intra_op_num_threads和inter_op_num_threads仅是rapidocr_onnxruntime版本下的，其他推理引擎，请参见各自源码 class RapidOCR: def __init__( self, text_score: float = 0.5, print_verbose: bool = False, min_height: int = 30, width_height_ratio: float = 8, det_use_cuda: bool = False, det_use_dml: bool = False, det_model_path: Optional[str] = None, det_limit_side_len: float = 736, det_limit_type: str = \"min\", det_thresh: float = 0.", content: "初始化 link类RapidOCR是主类，其初始化函数如下：\nclass RapidOCR: def __init__(self, config_path: Optional[str] = None, **kwargs): pass 支持两种自定义传参数的方案，下面分别详细说明：\n以config.yaml方式\n找到rapidocr_onnxruntime安装目录下的config.yaml文件，可以通过pip show rapidocr_onnxruntime找到其安装路径。 将config.yaml拷贝出来，放到当前运行目录下 按需自定义参数修改即可，具体参数解释，参见" } ); @@ -1813,8 +1813,8 @@

情 id: 38 , href: "\/RapidOCRDocs\/docs\/blog\/02_config_parameter\/", title: "config.yaml参数解释", - description: "notifications 该部分以rapidocr_onnxruntime库下config.yaml为例作讲解，其他推理引擎相关配置，请移步具体源码查看。 config.yaml源码 link 详情 Global: text_score: 0.5 use_det: true use_cls: true use_rec: true print_verbose: false min_height: 30 width_height_ratio: 8 use_cuda: \u0026use_cuda false intra_op_num_threads: \u0026intra_nums -1 inter_op_num_threads: \u0026inter_nums -1 Det: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_PP-OCRv4_det_infer.onnx limit_side_len: 736 limit_type: min thresh: 0.3 box_thresh: 0.5 max_candidates: 1000 unclip_ratio: 1.6 use_dilation: true score_mode: fast Cls: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_ppocr_mobile_v2.0_cls_infer.onnx cls_image_shape: [3, 48, 192] cls_batch_num: 6 cls_thresh: 0.", - content: " notifications 该部分以rapidocr_onnxruntime库下config.yaml为例作讲解，其他推理引擎相关配置，请移步具体源码查看。 config.yaml源码 link 详情 Global: text_score: 0.5 use_det: true use_cls: true use_rec: true print_verbose: false min_height: 30 width_height_ratio: 8 use_cuda: \u0026use_cuda false intra_op_num_threads: \u0026intra_nums -1 inter_op_num_threads: \u0026inter_nums -1 Det: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_PP-OCRv4_det_infer.onnx limit_side_len: 736 limit_type: min thresh: 0.3 box_thresh: 0.5 max_candidates: 1000 unclip_ratio: 1.6 use_dilation: true score_mode: fast Cls: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_ppocr_mobile_v2.0_cls_infer.onnx cls_image_shape: [3, 48, 192] cls_batch_num: 6 cls_thresh: 0.9 label_list: ['0', '180'] Rec: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_PP-OCRv4_rec_infer.onnx rec_img_shape: [3, 48, 320] rec_batch_num: 6 Global部分 link 参数名称 取值范围 默认值 作用 text_score [0, 1] 0.5 文本识别结果置信度，值越大，把握越大 use_angle_cls bool true 是否使用文本行的方向分类 print_verbose bool true 是否打印各个部分耗时信息 min_height int 30 图像最小高度（单位是像素）低于这个值，会跳过文本检测阶段，直接进行后续识别 width_height_ratio int 8 如果输入图像的宽高比大于width_height_ratio，则会跳过文本检测，直接进行后续识别width_height_ratio=-1：不用这个参数 use_cuda bool false 是否使用CUDA，加速推理 intra_op_num_threads int -1 参见docs inter_op_num_threads int -1 参见docs min_height是用来过滤只有一行文本的图像（如下图），这类图像不会进入文本检测模块，直接进入后续过程。\nDet部分 link 参数名称 取值范围 默认值 作用 use_cuda bool false 是否使用CUDA，加速推理 limit_side_len - 736 限制图像边的长度的像素值 limit_type [min, max] min 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。 thresh [0, 1] 0.3 图像中文字部分和背景部分分割阈值值越大，文字部分会越小 box_thresh [0, 1] 0.5 文本检测所得框是否保留的阈值，值越大，召回率越低 max_candidates - 1000 图像中最大可检测到的文本框数目，一般够用 unclip_ratio [1.6, 2.0] 1.6 控制文本检测框的大小，值越大，检测框整体越大 use_dilation bool true 是否使用形态学中的膨胀操作，一般采用默认值即可 score_mode string fast fast是求rectangle区域的平均分数，容易造成弯曲文本漏检，slow是求polygon区域的平均分数，会更准确，但速度有所降低，可按需选择 Cls部分 link 参数名称 取值范围 默认值 作用 cls_img_shape - [3, 48, 192] 输入方向分类模型的图像Shape（CHW） cls_batch_num - 6 批次推理的batch大小，一般采用默认值即可，太大并没有明显提速，效果还可能会差 cls_thresh [0, 1] 0.9 方向分类结果的置信度 label_list - [0, 180] 方向分类的标签，0°或者180°，该参数不能动 Rec部分 link 参数名称 取值范围 默认值 作用 rec_img_shape - [3, 48, 320] 输入文本识别模型的图像Shape（CHW） rec_batch_num - 6 批次推理的batch大小，一般采用默认值即可，太大并没有明显提速，效果还可能会差 " + description: "notifications 该部分以rapidocr_onnxruntime库下config.yaml为例作讲解，其他推理引擎相关配置，请移步具体源码查看。 config.yaml源码 link 详情 Global: text_score: 0.5 use_det: true use_cls: true use_rec: true print_verbose: false min_height: 30 width_height_ratio: 8 intra_op_num_threads: \u0026intra_nums -1 inter_op_num_threads: \u0026inter_nums -1 Det: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_PP-OCRv4_det_infer.onnx limit_side_len: 736 limit_type: min thresh: 0.3 box_thresh: 0.5 max_candidates: 1000 unclip_ratio: 1.6 use_dilation: true score_mode: fast Cls: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_ppocr_mobile_v2.0_cls_infer.onnx cls_image_shape: [3, 48, 192] cls_batch_num: 6 cls_thresh: 0.", + content: " notifications 该部分以rapidocr_onnxruntime库下config.yaml为例作讲解，其他推理引擎相关配置，请移步具体源码查看。 config.yaml源码 link 详情 Global: text_score: 0.5 use_det: true use_cls: true use_rec: true print_verbose: false min_height: 30 width_height_ratio: 8 intra_op_num_threads: \u0026intra_nums -1 inter_op_num_threads: \u0026inter_nums -1 Det: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_PP-OCRv4_det_infer.onnx limit_side_len: 736 limit_type: min thresh: 0.3 box_thresh: 0.5 max_candidates: 1000 unclip_ratio: 1.6 use_dilation: true score_mode: fast Cls: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_ppocr_mobile_v2.0_cls_infer.onnx cls_image_shape: [3, 48, 192] cls_batch_num: 6 cls_thresh: 0.9 label_list: ['0', '180'] Rec: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_PP-OCRv4_rec_infer.onnx rec_img_shape: [3, 48, 320] rec_batch_num: 6 Global部分 link 参数名称 取值范围 默认值 作用 text_score [0, 1] 0.5 文本识别结果置信度，值越大，把握越大 use_angle_cls bool true 是否使用文本行的方向分类 print_verbose bool true 是否打印各个部分耗时信息 min_height int 30 图像最小高度（单位是像素）低于这个值，会跳过文本检测阶段，直接进行后续识别 width_height_ratio int 8 如果输入图像的宽高比大于width_height_ratio，则会跳过文本检测，直接进行后续识别width_height_ratio=-1：不用这个参数 intra_op_num_threads int -1 参见docs inter_op_num_threads int -1 参见docs min_height是用来过滤只有一行文本的图像（如下图），这类图像不会进入文本检测模块，直接进入后续过程。\nDet部分 link 参数名称 取值范围 默认值 作用 use_cuda bool false 是否使用CUDA加速推理 use_dml bool false 是否使用DirectML加速推理(仅限于Window10及以上) limit_side_len - 736 限制图像边的长度的像素值 limit_type [min, max] min 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。 thresh [0, 1] 0.3 图像中文字部分和背景部分分割阈值值越大，文字部分会越小 box_thresh [0, 1] 0.5 文本检测所得框是否保留的阈值，值越大，召回率越低 max_candidates - 1000 图像中最大可检测到的文本框数目，一般够用 unclip_ratio [1.6, 2.0] 1.6 控制文本检测框的大小，值越大，检测框整体越大 use_dilation bool true 是否使用形态学中的膨胀操作，一般采用默认值即可 score_mode string fast fast是求rectangle区域的平均分数，容易造成弯曲文本漏检，slow是求polygon区域的平均分数，会更准确，但速度有所降低，可按需选择 Cls部分 link 参数名称 取值范围 默认值 作用 cls_img_shape - [3, 48, 192] 输入方向分类模型的图像Shape（CHW） cls_batch_num - 6 批次推理的batch大小，一般采用默认值即可，太大并没有明显提速，效果还可能会差 cls_thresh [0, 1] 0.9 方向分类结果的置信度 label_list - [0, 180] 方向分类的标签，0°或者180°，该参数不能动 Rec部分 link 参数名称 取值范围 默认值 作用 rec_img_shape - [3, 48, 320] 输入文本识别模型的图像Shape（CHW） rec_batch_num - 6 批次推理的batch大小，一般采用默认值即可，太大并没有明显提速，效果还可能会差 " } ); index.add( @@ -1876,8 +1876,8 @@

情 id: 45 , href: "\/RapidOCRDocs\/docs\/changelog\/rapidocr\/", title: "rapidocr_onnxruntime/openvino", - description: "🧚🏻‍♀️2024-05-12 v1.3.18 update: link Merge PR #176 支持python 3.12 🔥2024-04-19 v1.3.17 update: link Merge PR 修复issue #170 📘2024-04-07 v1.3.16 update: link修复issue #161 🍿2024-03-07 v1.3.15 update: link 修复 issue #158 增加三个推理引擎（onnxruntime、openvino，paddlepaddle）初始化RapidOCR类，指定线程数的参数 🎂2024-03-05 v1.3.14 update: link添加可使用的CPU核心数，包括三个推理引擎，onnxruntime/OpenVINO/PaddlePaddle 🔖2024-02-28 v1.3.13 update: link 优化LoadImage类，添加对输入PIL.Image.Image的支持 修复不同输入类型下，图像通道顺序不同的问题 🍉2024-02-27 v1.3.12 update: link可视化函数适配Pillow v9和v10两个版本，自动根据各个版本情况，来选择相应获得char大小的函数 ♥️2024-02-04 v1.3.11 update: linkMerge PR #151 by LWQ2EDU 添加自动padding策略：当传入图像小于min_height或者\u003ewidth_height_ratio时，会触发自动padding图像，后续再进入检测。 ⚠️注意：padding值多少？当前值是一个权衡设置，大家可根据具体使用场景，自定设置合适值。 🌈2024-01-30 v1.3.10 update: link 修复get_boxes_img_without_det bug by AuroraWright 🥰2023-12-28 v1.3.9 update: link 优化rapidocr系列库主函数代码逻辑，便于小伙伴们二次开发 Merge PR #141 by theikkila Merge PR #139 by debanjum 😜2023-10-25 v1.", - content: "🧚🏻‍♀️2024-05-12 v1.3.18 update: link Merge PR #176 支持python 3.12 🔥2024-04-19 v1.3.17 update: link Merge PR 修复issue #170 📘2024-04-07 v1.3.16 update: link修复issue #161\n🍿2024-03-07 v1.3.15 update: link 修复 issue #158 增加三个推理引擎（onnxruntime、openvino，paddlepaddle）初始化RapidOCR类，指定线程数的参数 🎂2024-03-05 v1.3.14 update: link添加可使用的CPU核心数，包括三个推理引擎，onnxruntime/OpenVINO/PaddlePaddle\n🔖2024-02-28 v1.3.13 update: link 优化LoadImage类，添加对输入PIL.Image.Image的支持 修复不同输入类型下，图像通道顺序不同的问题 🍉2024-02-27 v1.3.12 update: link可视化函数适配Pillow v9和v10两个版本，自动根据各个版本情况，来选择相应获得char大小的函数\n♥️2024-02-04 v1.3.11 update: linkMerge PR #151 by LWQ2EDU\n添加自动padding策略：当传入图像小于min_height或者\u003ewidth_height_ratio时，会触发自动padding图像，后续再进入检测。 ⚠️注意：padding值多少？当前值是一个权衡设置，大家可根据具体使用场景，自定设置合适值。 🌈2024-01-30 v1.3.10 update: link 修复get_boxes_img_without_det bug by AuroraWright 🥰2023-12-28 v1.3.9 update: link 优化rapidocr系列库主函数代码逻辑，便于小伙伴们二次开发 Merge PR #141 by theikkila Merge PR #139 by debanjum 😜2023-10-25 v1.3.8 update: link 修复issue #133 📡2023-09-21 v1.3.7 update: link 完善VisRes类在终端情况下的使用 修复auto_text_det的条件错误 🧸2023-09-20 v1.3.6 update: link 添加VisRes类，便于快速可视化结果。详情参见demo.py用法 😀2023-09-20 v1.3.5 update: link Fixed issue #122 ⏰2023-09-18 v1.3.4 update: link 优化更新参数部分的函数实现 🧸2023-09-06 v1.3.2 update: link 修复issue #116 ⭐2023-08-29 v1.3.1 update: link 修复issue #115 🎉2023-08-26 v1.3.0 update: link 将PaddleOCR v4版对应的文本检测和文本识别轻量模型转换为onnx，并打包到whl中。 接口与v1.2.x一致，直接使用即可。 😉2023-07-12 v1.2.12 update: link 在rapidocr_onnxruntime初始化时，添加det_use_cuda、cls_use_cuda、rec_use_cuda参数 兼容配置文件方式传入RapidOCR类中 rapidocr_openvino同理 🎮2023-03-11 v1.2.2 update: link 修复实例化python中RapidOCR类传入参数错误 🧢2023-03-07 v1.2.1 update: link rapidocr系列包更新到v1.2.0 优化python下rapidocr系列包的接口传入参数，支持实例化类时，动态给定各个参数，更加灵活。 如果不指定，则用config.yaml下的默认参数。 具体可参见：传入参数 ⛸2023-02-16 update: link 优化ocrweb部分代码，可直接pip安装，快速使用，详情参见README。 优化python中各个部分的推理代码，更加紧凑，同时易于维护。 🎉2023-01-21 update: link [python] 添加含有文字的图像方向分类模块，具体参见Rapid Orientation ⚽2022-12-19 update: link [python] 添加表格结构还原模块，具体参见Rapid Table 🤖2022-12-14 update: link [python] 将配置参数和模型移到模块里面，同时将模型打到whl包内，可以直接pip安装使用，更加方便快捷。 详情参见：README 🧻2022-11-20 update: link [python] 添加版面分析部分,支持中文、英文和表格三种版面的检测分析。详情参见:Rapid Structure部分。 🎃2022-11-01 update: link 添加Hugging Face Demo, 增加可以调节超参数的功能，详情可访问Hugging Face Demo 🚩2022-10-01 udpate: link 修复python部分下一些较小bugs merge来自AutumnSun1996的OCRWeb实现的多语言部署demo，详情参见：ocrweb_mutli-README 添加onnxruntime-gpu推理速度较慢于CPU的问题说明，详情参见：onnxruntime-gpu版相关说明 🛴2022-09-01 update: link 由于openvino发布了2022.2.0.dev20220829版本，该版本解决了cls部分模型推理的问题。至此，基于openvino的rapidocr完成了统一，全部由openvino推理引擎完成。 详细使用方法参见：python/README 🧸2022-08-17 update: link python/ocrweb部分 v1.1.0发布，详情参见v1.1.0 🕶2022-08-14 update: link ocrweb部分增加以API方式部署调用的功能，可以通过发送POST请求，来获得OCR识别结果。 详情参见：API方式调用 ✨2022-07-07 update: link 修复python版中v3 rec推理bug，并将v3 rec与v2 rec合并为同一套推理代码，更加简洁和方便 添加python模块下的单元测试 该页面添加致谢模块，感谢为这个项目作出贡献的小伙伴。 😁2022-07-05 update: link 添加对单行文本的处理能力，对于单行文本，可自行设定阈值，不过检测模块，直接识别即可。详情参见README 优化python部分代码逻辑，更优雅简洁。 🏝2022-06-30 update: link python推理部分，增加参数选择使用GPU推理的配置选项，在正确安装onnxruntime-gpu版本前提下，可以一键使用（Fix issue#30） 具体基于GPU的推理情况，需要等我后续整理一下，再更新出来 详情参见：onnxruntime-gpu版推理配置 📌2022-06-25 update: link 重新整理python部分推理代码，将常用调节参数全部放到yaml文件中，便于调节，更加容易使用 详情参见：README 🍿2022-05-15 udpate: link 增加PaddleOCR v3 rec模型转换后的ONNX模型，直接去网盘下载替换即可。(百度网盘 | Google Drive) 增加文本识别模型各个版本效果对比表格，详情点击各个版本ONNX模型效果对比。v3的文本识别模型从自己构建测试集上的指标来看不如之前的好。 😀2022-05-12 upadte link 增加PaddleOCR v3 det模型转换的ONNX模型，直接去网盘下载，替换即可。(百度网盘 | Google Drive) 增加各个版本文本检测模型效果对比表格，详情点击各个版本ONNX模型效果对比。v3的文本检测模型从指标来看是好于之前的v2的，推荐使用。 🎧2022-04-04 udpate: link 增加python下的基于OpenVINO推理引擎的支持 给出OpenVINO和ONNXRuntime的性能对比表格 详情参见:python/README 2022-02-24 udpate: link 优化python目录下的推理代码 添加调用不同语言模型的推理代码示例 详情参见：python/onnxruntime_infer/README 2021-12-18 udpate: link 添加Google Colab Demo 2021-11-28 udpate: link 更新ocrweb部分 添加显示各个阶段处理时间 更新说明文档 更换文本检测模型为ch_PP-OCRv2_det_infer.onnx,推理更快，更准 2021-11-13 udpate: link 添加python版本中文本检测和识别可调节的超参数，主要有box_thresh|unclip_ratio|text_score，详情见参数调节 将文本识别中字典位置以参数方式给出，便于灵活配置，详情见keys_path 2021-10-27 udpate: link 添加使用onnxruntime-gpu版推理的代码（不过gpu版本的onnxruntime不太好用，按照官方教程配置，感觉没有调用起来GPU） 具体使用步骤参见: onnxruntime-gpu推理配置 2021-09-13 udpate: link 添加基于python的whl文件，便于使用，详情参见release/python_sdk 2021-09-11 udpate: link 添加PP-OCRv2新增模型onnx版本 使用方法推理代码不变，直接替换对应模型即可。 经过在自有测试集上评测： PP-OCRv2检测模型效果有大幅度提升，模型大小没变。 PP-OCRv2识别模型效果无明显提升，模型大小增加了3.58M。 模型上传到百度网盘 提取码：30jv 2021-08-07 udpate: link PP-Structure 表格结构和cell坐标预测 正在整理中 之前做的,未完成的，欢迎提PR 打Dokcer镜像 尝试onnxruntime-gpu推理 2021-07-17 udpate: link 完善README文档 增加英文、数字识别onnx模型，具体参见python/en_number_ppocr_mobile_v2_rec，用法同其他 整理一下模型转onnx 2021-07-04 udpate: link 目前仓库下的python程序已经可以在树莓派4B上，成功运行，详细信息请进群，询问群主 更新整体结构图，添加树莓派的支持 2021-06-20 udpate: link 优化ocrweb中识别结果显示，同时添加识别动图演示 更新datasets目录，添加一些常用数据库链接(搬运一下^-^) 更新FAQ 2021-06-10 udpate: link 添加server版文本识别模型，详情见提取码：30jv 2021-06-08 udpate: link 整理仓库，统一模型下载路径 完善相关说明文档 2021-03-24 udpate: link 新模型已经完全兼容ONNXRuntime 1.7 或更高版本。 特别感谢：@Channingss 新版onnxruntime比1.6.0 性能提升40%以上。 " + description: "🛠️2024-05-15 v1.3.19 update: link 因为DirectML受支持设备限制，因此将DirectML作为一个选项写入配置文件，选择性调用 在Windows平台仍然恢复到v1.3.18前，默认安装onnxruntime库。如DirectML可用，且显式指定时，需要手动安装。 相关讨论：PR #178 Discussion #175 🧚🏻‍♀️2024-05-12 v1.3.18 update: link Merge PR #176 支持python 3.12 🔥2024-04-19 v1.3.17 update: link Merge PR 修复issue #170 📘2024-04-07 v1.3.16 update: link修复issue #161 🍿2024-03-07 v1.3.15 update: link 修复 issue #158 增加三个推理引擎（onnxruntime、openvino，paddlepaddle）初始化RapidOCR类，指定线程数的参数 🎂2024-03-05 v1.3.14 update: link添加可使用的CPU核心数，包括三个推理引擎，onnxruntime/OpenVINO/PaddlePaddle 🔖2024-02-28 v1.3.13 update: link 优化LoadImage类，添加对输入PIL.Image.Image的支持 修复不同输入类型下，图像通道顺序不同的问题 🍉2024-02-27 v1.3.12 update: link可视化函数适配Pillow v9和v10两个版本，自动根据各个版本情况，来选择相应获得char大小的函数 ♥️2024-02-04 v1.3.11 update: linkMerge PR #151 by LWQ2EDU 添加自动padding策略：当传入图像小于min_height或者\u003ewidth_height_ratio时，会触发自动padding图像，后续再进入检测。 ⚠️注意：padding值多少？当前值是一个权衡设置，大家可根据具体使用场景，自定设置合适值。 🌈2024-01-30 v1.3.10 update: link 修复get_boxes_img_without_det bug by AuroraWright 🥰2023-12-28 v1.", + content: "🛠️2024-05-15 v1.3.19 update: link 因为DirectML受支持设备限制，因此将DirectML作为一个选项写入配置文件，选择性调用 在Windows平台仍然恢复到v1.3.18前，默认安装onnxruntime库。如DirectML可用，且显式指定时，需要手动安装。 相关讨论：PR #178 Discussion #175 🧚🏻‍♀️2024-05-12 v1.3.18 update: link Merge PR #176 支持python 3.12 🔥2024-04-19 v1.3.17 update: link Merge PR 修复issue #170 📘2024-04-07 v1.3.16 update: link修复issue #161\n🍿2024-03-07 v1.3.15 update: link 修复 issue #158 增加三个推理引擎（onnxruntime、openvino，paddlepaddle）初始化RapidOCR类，指定线程数的参数 🎂2024-03-05 v1.3.14 update: link添加可使用的CPU核心数，包括三个推理引擎，onnxruntime/OpenVINO/PaddlePaddle\n🔖2024-02-28 v1.3.13 update: link 优化LoadImage类，添加对输入PIL.Image.Image的支持 修复不同输入类型下，图像通道顺序不同的问题 🍉2024-02-27 v1.3.12 update: link可视化函数适配Pillow v9和v10两个版本，自动根据各个版本情况，来选择相应获得char大小的函数\n♥️2024-02-04 v1.3.11 update: linkMerge PR #151 by LWQ2EDU\n添加自动padding策略：当传入图像小于min_height或者\u003ewidth_height_ratio时，会触发自动padding图像，后续再进入检测。 ⚠️注意：padding值多少？当前值是一个权衡设置，大家可根据具体使用场景，自定设置合适值。 🌈2024-01-30 v1.3.10 update: link 修复get_boxes_img_without_det bug by AuroraWright 🥰2023-12-28 v1.3.9 update: link 优化rapidocr系列库主函数代码逻辑，便于小伙伴们二次开发 Merge PR #141 by theikkila Merge PR #139 by debanjum 😜2023-10-25 v1.3.8 update: link 修复issue #133 📡2023-09-21 v1.3.7 update: link 完善VisRes类在终端情况下的使用 修复auto_text_det的条件错误 🧸2023-09-20 v1.3.6 update: link 添加VisRes类，便于快速可视化结果。详情参见demo.py用法 😀2023-09-20 v1.3.5 update: link Fixed issue #122 ⏰2023-09-18 v1.3.4 update: link 优化更新参数部分的函数实现 🧸2023-09-06 v1.3.2 update: link 修复issue #116 ⭐2023-08-29 v1.3.1 update: link 修复issue #115 🎉2023-08-26 v1.3.0 update: link 将PaddleOCR v4版对应的文本检测和文本识别轻量模型转换为onnx，并打包到whl中。 接口与v1.2.x一致，直接使用即可。 😉2023-07-12 v1.2.12 update: link 在rapidocr_onnxruntime初始化时，添加det_use_cuda、cls_use_cuda、rec_use_cuda参数 兼容配置文件方式传入RapidOCR类中 rapidocr_openvino同理 🎮2023-03-11 v1.2.2 update: link 修复实例化python中RapidOCR类传入参数错误 🧢2023-03-07 v1.2.1 update: link rapidocr系列包更新到v1.2.0 优化python下rapidocr系列包的接口传入参数，支持实例化类时，动态给定各个参数，更加灵活。 如果不指定，则用config.yaml下的默认参数。 具体可参见：传入参数 ⛸2023-02-16 update: link 优化ocrweb部分代码，可直接pip安装，快速使用，详情参见README。 优化python中各个部分的推理代码，更加紧凑，同时易于维护。 🎉2023-01-21 update: link [python] 添加含有文字的图像方向分类模块，具体参见Rapid Orientation ⚽2022-12-19 update: link [python] 添加表格结构还原模块，具体参见Rapid Table 🤖2022-12-14 update: link [python] 将配置参数和模型移到模块里面，同时将模型打到whl包内，可以直接pip安装使用，更加方便快捷。 详情参见：README 🧻2022-11-20 update: link [python] 添加版面分析部分,支持中文、英文和表格三种版面的检测分析。详情参见:Rapid Structure部分。 🎃2022-11-01 update: link 添加Hugging Face Demo, 增加可以调节超参数的功能，详情可访问Hugging Face Demo 🚩2022-10-01 udpate: link 修复python部分下一些较小bugs merge来自AutumnSun1996的OCRWeb实现的多语言部署demo，详情参见：ocrweb_mutli-README 添加onnxruntime-gpu推理速度较慢于CPU的问题说明，详情参见：onnxruntime-gpu版相关说明 🛴2022-09-01 update: link 由于openvino发布了2022.2.0.dev20220829版本，该版本解决了cls部分模型推理的问题。至此，基于openvino的rapidocr完成了统一，全部由openvino推理引擎完成。 详细使用方法参见：python/README 🧸2022-08-17 update: link python/ocrweb部分 v1.1.0发布，详情参见v1.1.0 🕶2022-08-14 update: link ocrweb部分增加以API方式部署调用的功能，可以通过发送POST请求，来获得OCR识别结果。 详情参见：API方式调用 ✨2022-07-07 update: link 修复python版中v3 rec推理bug，并将v3 rec与v2 rec合并为同一套推理代码，更加简洁和方便 添加python模块下的单元测试 该页面添加致谢模块，感谢为这个项目作出贡献的小伙伴。 😁2022-07-05 update: link 添加对单行文本的处理能力，对于单行文本，可自行设定阈值，不过检测模块，直接识别即可。详情参见README 优化python部分代码逻辑，更优雅简洁。 🏝2022-06-30 update: link python推理部分，增加参数选择使用GPU推理的配置选项，在正确安装onnxruntime-gpu版本前提下，可以一键使用（Fix issue#30） 具体基于GPU的推理情况，需要等我后续整理一下，再更新出来 详情参见：onnxruntime-gpu版推理配置 📌2022-06-25 update: link 重新整理python部分推理代码，将常用调节参数全部放到yaml文件中，便于调节，更加容易使用 详情参见：README 🍿2022-05-15 udpate: link 增加PaddleOCR v3 rec模型转换后的ONNX模型，直接去网盘下载替换即可。(百度网盘 | Google Drive) 增加文本识别模型各个版本效果对比表格，详情点击各个版本ONNX模型效果对比。v3的文本识别模型从自己构建测试集上的指标来看不如之前的好。 😀2022-05-12 upadte link 增加PaddleOCR v3 det模型转换的ONNX模型，直接去网盘下载，替换即可。(百度网盘 | Google Drive) 增加各个版本文本检测模型效果对比表格，详情点击各个版本ONNX模型效果对比。v3的文本检测模型从指标来看是好于之前的v2的，推荐使用。 🎧2022-04-04 udpate: link 增加python下的基于OpenVINO推理引擎的支持 给出OpenVINO和ONNXRuntime的性能对比表格 详情参见:python/README 2022-02-24 udpate: link 优化python目录下的推理代码 添加调用不同语言模型的推理代码示例 详情参见：python/onnxruntime_infer/README 2021-12-18 udpate: link 添加Google Colab Demo 2021-11-28 udpate: link 更新ocrweb部分 添加显示各个阶段处理时间 更新说明文档 更换文本检测模型为ch_PP-OCRv2_det_infer.onnx,推理更快，更准 2021-11-13 udpate: link 添加python版本中文本检测和识别可调节的超参数，主要有box_thresh|unclip_ratio|text_score，详情见参数调节 将文本识别中字典位置以参数方式给出，便于灵活配置，详情见keys_path 2021-10-27 udpate: link 添加使用onnxruntime-gpu版推理的代码（不过gpu版本的onnxruntime不太好用，按照官方教程配置，感觉没有调用起来GPU） 具体使用步骤参见: onnxruntime-gpu推理配置 2021-09-13 udpate: link 添加基于python的whl文件，便于使用，详情参见release/python_sdk 2021-09-11 udpate: link 添加PP-OCRv2新增模型onnx版本 使用方法推理代码不变，直接替换对应模型即可。 经过在自有测试集上评测： PP-OCRv2检测模型效果有大幅度提升，模型大小没变。 PP-OCRv2识别模型效果无明显提升，模型大小增加了3.58M。 模型上传到百度网盘 提取码：30jv 2021-08-07 udpate: link PP-Structure 表格结构和cell坐标预测 正在整理中 之前做的,未完成的，欢迎提PR 打Dokcer镜像 尝试onnxruntime-gpu推理 2021-07-17 udpate: link 完善README文档 增加英文、数字识别onnx模型，具体参见python/en_number_ppocr_mobile_v2_rec，用法同其他 整理一下模型转onnx 2021-07-04 udpate: link 目前仓库下的python程序已经可以在树莓派4B上，成功运行，详细信息请进群，询问群主 更新整体结构图，添加树莓派的支持 2021-06-20 udpate: link 优化ocrweb中识别结果显示，同时添加识别动图演示 更新datasets目录，添加一些常用数据库链接(搬运一下^-^) 更新FAQ 2021-06-10 udpate: link 添加server版文本识别模型，详情见提取码：30jv 2021-06-08 udpate: link 整理仓库，统一模型下载路径 完善相关说明文档 2021-03-24 udpate: link 新模型已经完全兼容ONNXRuntime 1.7 或更高版本。 特别感谢：@Channingss 新版onnxruntime比1.6.0 性能提升40%以上。 " } ); index.add( diff --git a/docs/blog/02_config_parameter/index.html b/docs/blog/02_config_parameter/index.html index 90d33afb..2adc3621 100644 --- a/docs/blog/02_config_parameter/index.html +++ b/docs/blog/02_config_parameter/index.html @@ -33,14 +33,14 @@ - + - + - + @@ -739,7 +739,7 @@

- 
+  
   Global:
     text_score: 0.5
     use_det: true
@@ -749,8 +749,6 @@ 
Global部分 如果输入图像的宽高比大于width_height_ratio，则会跳过文本检测，直接进行后续识别
width_height_ratio=-1：不用这个参数
 
 
-use_cuda
-bool
-false
-是否使用CUDA，加速推理
-
-
 intra_op_num_threads
 int
 -1
@@ -889,7 +884,13 @@ 
Det部分 use_cuda
 bool
 false
-是否使用CUDA，加速推理
+是否使用CUDA加速推理
+
+
+use_dml
+bool
+false
+是否使用DirectML加速推理(仅限于Window10及以上)
 
 
 limit_side_len
@@ -1053,9 +1054,9 @@ 
Rec部分 
         
Last updated 
-            24 Apr 2024, 09:27 +0800
+            data-authdate="2024-05-15T22:43:19+0800"
+            title="15 May 2024, 22:43 +0800">
+            15 May 2024, 22:43 +0800
         . history
         

     
@@ -1697,7 +1698,7 @@ 
Rec部分 Rec部分 Rec部分 
                 id:  10 ,
                 href: "\/RapidOCRDocs\/docs\/install_usage\/rapidocr\/usage\/",
                 title: "使用说明",
-                description: "初始化 link类RapidOCR是主类，其初始化函数如下：\nclass RapidOCR: def __init__(self, config_path: Optional[str] = None, **kwargs): pass 支持两种自定义传参数的方案，下面分别详细说明：\n以config.yaml方式\n找到rapidocr_onnxruntime安装目录下的config.yaml文件，可以通过pip show rapidocr_onnxruntime找到其安装路径。 将config.yaml拷贝出来，放到当前运行目录下 按需自定义参数修改即可，具体参数解释，参见config.yaml engine = RapidOCR(config_path=\"your.yaml\") (推荐) 以具体参数传入，参数基本和config.yaml中对应，只是个别名称有所区别。\ninfo 以下参数均有默认值，可以不传入任何参数，直接初始化使用即可。intra_op_num_threads和inter_op_num_threads仅是rapidocr_onnxruntime版本下的，其他推理引擎，请参见各自源码 class RapidOCR: def __init__( self, text_score: float = 0.5, print_verbose: bool = False, min_height: int = 30, width_height_ratio: float = 8, det_use_cuda: bool = False, det_model_path: Optional[str] = None, det_limit_side_len: float = 736, det_limit_type: str = \"min\", det_thresh: float = 0.3, det_box_thresh: float = 0.",
+                description: "初始化 link类RapidOCR是主类，其初始化函数如下：\nclass RapidOCR: def __init__(self, config_path: Optional[str] = None, **kwargs): pass 支持两种自定义传参数的方案，下面分别详细说明：\n以config.yaml方式\n找到rapidocr_onnxruntime安装目录下的config.yaml文件，可以通过pip show rapidocr_onnxruntime找到其安装路径。 将config.yaml拷贝出来，放到当前运行目录下 按需自定义参数修改即可，具体参数解释，参见config.yaml engine = RapidOCR(config_path=\"your.yaml\") (推荐) 以具体参数传入，参数基本和config.yaml中对应，只是个别名称有所区别。\ninfo 以下参数均有默认值，可以不传入任何参数，直接初始化使用即可。intra_op_num_threads和inter_op_num_threads仅是rapidocr_onnxruntime版本下的，其他推理引擎，请参见各自源码 class RapidOCR: def __init__( self, text_score: float = 0.5, print_verbose: bool = False, min_height: int = 30, width_height_ratio: float = 8, det_use_cuda: bool = False, det_use_dml: bool = False, det_model_path: Optional[str] = None, det_limit_side_len: float = 736, det_limit_type: str = \"min\", det_thresh: float = 0.",
                 content: "初始化 link类RapidOCR是主类，其初始化函数如下：\nclass RapidOCR: def __init__(self, config_path: Optional[str] = None, **kwargs): pass 支持两种自定义传参数的方案，下面分别详细说明：\n以config.yaml方式\n找到rapidocr_onnxruntime安装目录下的config.yaml文件，可以通过pip show rapidocr_onnxruntime找到其安装路径。 将config.yaml拷贝出来，放到当前运行目录下 按需自定义参数修改即可，具体参数解释，参见"
             }
         );
@@ -1651,8 +1651,8 @@ 

                 id:  38 ,
                 href: "\/RapidOCRDocs\/docs\/blog\/02_config_parameter\/",
                 title: "config.yaml参数解释",
-                description: "notifications 该部分以rapidocr_onnxruntime库下config.yaml为例作讲解，其他推理引擎相关配置，请移步具体源码查看。 config.yaml源码 link 详情 Global: text_score: 0.5 use_det: true use_cls: true use_rec: true print_verbose: false min_height: 30 width_height_ratio: 8 use_cuda: \u0026use_cuda false intra_op_num_threads: \u0026intra_nums -1 inter_op_num_threads: \u0026inter_nums -1 Det: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_PP-OCRv4_det_infer.onnx limit_side_len: 736 limit_type: min thresh: 0.3 box_thresh: 0.5 max_candidates: 1000 unclip_ratio: 1.6 use_dilation: true score_mode: fast Cls: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_ppocr_mobile_v2.0_cls_infer.onnx cls_image_shape: [3, 48, 192] cls_batch_num: 6 cls_thresh: 0.",
-                content: " notifications 该部分以rapidocr_onnxruntime库下config.yaml为例作讲解，其他推理引擎相关配置，请移步具体源码查看。 config.yaml源码 link 详情 Global: text_score: 0.5 use_det: true use_cls: true use_rec: true print_verbose: false min_height: 30 width_height_ratio: 8 use_cuda: \u0026use_cuda false intra_op_num_threads: \u0026intra_nums -1 inter_op_num_threads: \u0026inter_nums -1 Det: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_PP-OCRv4_det_infer.onnx limit_side_len: 736 limit_type: min thresh: 0.3 box_thresh: 0.5 max_candidates: 1000 unclip_ratio: 1.6 use_dilation: true score_mode: fast Cls: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_ppocr_mobile_v2.0_cls_infer.onnx cls_image_shape: [3, 48, 192] cls_batch_num: 6 cls_thresh: 0.9 label_list: ['0', '180'] Rec: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_PP-OCRv4_rec_infer.onnx rec_img_shape: [3, 48, 320] rec_batch_num: 6 Global部分 link 参数名称 取值范围 默认值 作用 text_score [0, 1] 0.5 文本识别结果置信度，值越大，把握越大 use_angle_cls bool true 是否使用文本行的方向分类 print_verbose bool true 是否打印各个部分耗时信息 min_height int 30 图像最小高度（单位是像素）低于这个值，会跳过文本检测阶段，直接进行后续识别 width_height_ratio int 8 如果输入图像的宽高比大于width_height_ratio，则会跳过文本检测，直接进行后续识别width_height_ratio=-1：不用这个参数 use_cuda bool false 是否使用CUDA，加速推理 intra_op_num_threads int -1 参见docs inter_op_num_threads int -1 参见docs min_height是用来过滤只有一行文本的图像（如下图），这类图像不会进入文本检测模块，直接进入后续过程。\nDet部分 link 参数名称 取值范围 默认值 作用 use_cuda bool false 是否使用CUDA，加速推理 limit_side_len - 736 限制图像边的长度的像素值 limit_type [min, max] min 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。 thresh [0, 1] 0.3 图像中文字部分和背景部分分割阈值值越大，文字部分会越小 box_thresh [0, 1] 0.5 文本检测所得框是否保留的阈值，值越大，召回率越低 max_candidates - 1000 图像中最大可检测到的文本框数目，一般够用 unclip_ratio [1.6, 2.0] 1.6 控制文本检测框的大小，值越大，检测框整体越大 use_dilation bool true 是否使用形态学中的膨胀操作，一般采用默认值即可 score_mode string fast fast是求rectangle区域的平均分数，容易造成弯曲文本漏检，slow是求polygon区域的平均分数，会更准确，但速度有所降低，可按需选择 Cls部分 link 参数名称 取值范围 默认值 作用 cls_img_shape - [3, 48, 192] 输入方向分类模型的图像Shape（CHW） cls_batch_num - 6 批次推理的batch大小，一般采用默认值即可，太大并没有明显提速，效果还可能会差 cls_thresh [0, 1] 0.9 方向分类结果的置信度 label_list - [0, 180] 方向分类的标签，0°或者180°，该参数不能动 Rec部分 link 参数名称 取值范围 默认值 作用 rec_img_shape - [3, 48, 320] 输入文本识别模型的图像Shape（CHW） rec_batch_num - 6 批次推理的batch大小，一般采用默认值即可，太大并没有明显提速，效果还可能会差 "
+                description: "notifications 该部分以rapidocr_onnxruntime库下config.yaml为例作讲解，其他推理引擎相关配置，请移步具体源码查看。 config.yaml源码 link 详情 Global: text_score: 0.5 use_det: true use_cls: true use_rec: true print_verbose: false min_height: 30 width_height_ratio: 8 intra_op_num_threads: \u0026intra_nums -1 inter_op_num_threads: \u0026inter_nums -1 Det: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_PP-OCRv4_det_infer.onnx limit_side_len: 736 limit_type: min thresh: 0.3 box_thresh: 0.5 max_candidates: 1000 unclip_ratio: 1.6 use_dilation: true score_mode: fast Cls: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_ppocr_mobile_v2.0_cls_infer.onnx cls_image_shape: [3, 48, 192] cls_batch_num: 6 cls_thresh: 0.",
+                content: " notifications 该部分以rapidocr_onnxruntime库下config.yaml为例作讲解，其他推理引擎相关配置，请移步具体源码查看。 config.yaml源码 link 详情 Global: text_score: 0.5 use_det: true use_cls: true use_rec: true print_verbose: false min_height: 30 width_height_ratio: 8 intra_op_num_threads: \u0026intra_nums -1 inter_op_num_threads: \u0026inter_nums -1 Det: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_PP-OCRv4_det_infer.onnx limit_side_len: 736 limit_type: min thresh: 0.3 box_thresh: 0.5 max_candidates: 1000 unclip_ratio: 1.6 use_dilation: true score_mode: fast Cls: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_ppocr_mobile_v2.0_cls_infer.onnx cls_image_shape: [3, 48, 192] cls_batch_num: 6 cls_thresh: 0.9 label_list: ['0', '180'] Rec: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_PP-OCRv4_rec_infer.onnx rec_img_shape: [3, 48, 320] rec_batch_num: 6 Global部分 link 参数名称 取值范围 默认值 作用 text_score [0, 1] 0.5 文本识别结果置信度，值越大，把握越大 use_angle_cls bool true 是否使用文本行的方向分类 print_verbose bool true 是否打印各个部分耗时信息 min_height int 30 图像最小高度（单位是像素）低于这个值，会跳过文本检测阶段，直接进行后续识别 width_height_ratio int 8 如果输入图像的宽高比大于width_height_ratio，则会跳过文本检测，直接进行后续识别width_height_ratio=-1：不用这个参数 intra_op_num_threads int -1 参见docs inter_op_num_threads int -1 参见docs min_height是用来过滤只有一行文本的图像（如下图），这类图像不会进入文本检测模块，直接进入后续过程。\nDet部分 link 参数名称 取值范围 默认值 作用 use_cuda bool false 是否使用CUDA加速推理 use_dml bool false 是否使用DirectML加速推理(仅限于Window10及以上) limit_side_len - 736 限制图像边的长度的像素值 limit_type [min, max] min 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。 thresh [0, 1] 0.3 图像中文字部分和背景部分分割阈值值越大，文字部分会越小 box_thresh [0, 1] 0.5 文本检测所得框是否保留的阈值，值越大，召回率越低 max_candidates - 1000 图像中最大可检测到的文本框数目，一般够用 unclip_ratio [1.6, 2.0] 1.6 控制文本检测框的大小，值越大，检测框整体越大 use_dilation bool true 是否使用形态学中的膨胀操作，一般采用默认值即可 score_mode string fast fast是求rectangle区域的平均分数，容易造成弯曲文本漏检，slow是求polygon区域的平均分数，会更准确，但速度有所降低，可按需选择 Cls部分 link 参数名称 取值范围 默认值 作用 cls_img_shape - [3, 48, 192] 输入方向分类模型的图像Shape（CHW） cls_batch_num - 6 批次推理的batch大小，一般采用默认值即可，太大并没有明显提速，效果还可能会差 cls_thresh [0, 1] 0.9 方向分类结果的置信度 label_list - [0, 180] 方向分类的标签，0°或者180°，该参数不能动 Rec部分 link 参数名称 取值范围 默认值 作用 rec_img_shape - [3, 48, 320] 输入文本识别模型的图像Shape（CHW） rec_batch_num - 6 批次推理的batch大小，一般采用默认值即可，太大并没有明显提速，效果还可能会差 "
             }
         );
     index.add(
@@ -1714,8 +1714,8 @@ 

                 id:  45 ,
                 href: "\/RapidOCRDocs\/docs\/changelog\/rapidocr\/",
                 title: "rapidocr_onnxruntime/openvino",
-                description: "🧚🏻‍♀️2024-05-12 v1.3.18 update: link Merge PR #176 支持python 3.12 🔥2024-04-19 v1.3.17 update: link Merge PR 修复issue #170 📘2024-04-07 v1.3.16 update: link修复issue #161 🍿2024-03-07 v1.3.15 update: link 修复 issue #158 增加三个推理引擎（onnxruntime、openvino，paddlepaddle）初始化RapidOCR类，指定线程数的参数 🎂2024-03-05 v1.3.14 update: link添加可使用的CPU核心数，包括三个推理引擎，onnxruntime/OpenVINO/PaddlePaddle 🔖2024-02-28 v1.3.13 update: link 优化LoadImage类，添加对输入PIL.Image.Image的支持 修复不同输入类型下，图像通道顺序不同的问题 🍉2024-02-27 v1.3.12 update: link可视化函数适配Pillow v9和v10两个版本，自动根据各个版本情况，来选择相应获得char大小的函数 ♥️2024-02-04 v1.3.11 update: linkMerge PR #151 by LWQ2EDU 添加自动padding策略：当传入图像小于min_height或者\u003ewidth_height_ratio时，会触发自动padding图像，后续再进入检测。 ⚠️注意：padding值多少？当前值是一个权衡设置，大家可根据具体使用场景，自定设置合适值。 🌈2024-01-30 v1.3.10 update: link 修复get_boxes_img_without_det bug by AuroraWright 🥰2023-12-28 v1.3.9 update: link 优化rapidocr系列库主函数代码逻辑，便于小伙伴们二次开发 Merge PR #141 by theikkila Merge PR #139 by debanjum 😜2023-10-25 v1.",
-                content: "🧚🏻‍♀️2024-05-12 v1.3.18 update: link Merge PR #176 支持python 3.12 🔥2024-04-19 v1.3.17 update: link Merge PR 修复issue #170 📘2024-04-07 v1.3.16 update: link修复issue #161\n🍿2024-03-07 v1.3.15 update: link 修复 issue #158 增加三个推理引擎（onnxruntime、openvino，paddlepaddle）初始化RapidOCR类，指定线程数的参数 🎂2024-03-05 v1.3.14 update: link添加可使用的CPU核心数，包括三个推理引擎，onnxruntime/OpenVINO/PaddlePaddle\n🔖2024-02-28 v1.3.13 update: link 优化LoadImage类，添加对输入PIL.Image.Image的支持 修复不同输入类型下，图像通道顺序不同的问题 🍉2024-02-27 v1.3.12 update: link可视化函数适配Pillow v9和v10两个版本，自动根据各个版本情况，来选择相应获得char大小的函数\n♥️2024-02-04 v1.3.11 update: linkMerge PR #151 by LWQ2EDU\n添加自动padding策略：当传入图像小于min_height或者\u003ewidth_height_ratio时，会触发自动padding图像，后续再进入检测。 ⚠️注意：padding值多少？当前值是一个权衡设置，大家可根据具体使用场景，自定设置合适值。 🌈2024-01-30 v1.3.10 update: link 修复get_boxes_img_without_det bug by AuroraWright 🥰2023-12-28 v1.3.9 update: link 优化rapidocr系列库主函数代码逻辑，便于小伙伴们二次开发 Merge PR #141 by theikkila Merge PR #139 by debanjum 😜2023-10-25 v1.3.8 update: link 修复issue #133 📡2023-09-21 v1.3.7 update: link 完善VisRes类在终端情况下的使用 修复auto_text_det的条件错误 🧸2023-09-20 v1.3.6 update: link 添加VisRes类，便于快速可视化结果。详情参见demo.py用法 😀2023-09-20 v1.3.5 update: link Fixed issue #122 ⏰2023-09-18 v1.3.4 update: link 优化更新参数部分的函数实现 🧸2023-09-06 v1.3.2 update: link 修复issue #116 ⭐2023-08-29 v1.3.1 update: link 修复issue #115 🎉2023-08-26 v1.3.0 update: link 将PaddleOCR v4版对应的文本检测和文本识别轻量模型转换为onnx，并打包到whl中。 接口与v1.2.x一致，直接使用即可。 😉2023-07-12 v1.2.12 update: link 在rapidocr_onnxruntime初始化时，添加det_use_cuda、cls_use_cuda、rec_use_cuda参数 兼容配置文件方式传入RapidOCR类中 rapidocr_openvino同理 🎮2023-03-11 v1.2.2 update: link 修复实例化python中RapidOCR类传入参数错误 🧢2023-03-07 v1.2.1 update: link rapidocr系列包更新到v1.2.0 优化python下rapidocr系列包的接口传入参数，支持实例化类时，动态给定各个参数，更加灵活。 如果不指定，则用config.yaml下的默认参数。 具体可参见：传入参数 ⛸2023-02-16 update: link 优化ocrweb部分代码，可直接pip安装，快速使用，详情参见README。 优化python中各个部分的推理代码，更加紧凑，同时易于维护。 🎉2023-01-21 update: link [python] 添加含有文字的图像方向分类模块，具体参见Rapid Orientation ⚽2022-12-19 update: link [python] 添加表格结构还原模块，具体参见Rapid Table 🤖2022-12-14 update: link [python] 将配置参数和模型移到模块里面，同时将模型打到whl包内，可以直接pip安装使用，更加方便快捷。 详情参见：README 🧻2022-11-20 update: link [python] 添加版面分析部分,支持中文、英文和表格三种版面的检测分析。详情参见:Rapid Structure部分。 🎃2022-11-01 update: link 添加Hugging Face Demo, 增加可以调节超参数的功能，详情可访问Hugging Face Demo 🚩2022-10-01 udpate: link 修复python部分下一些较小bugs merge来自AutumnSun1996的OCRWeb实现的多语言部署demo，详情参见：ocrweb_mutli-README 添加onnxruntime-gpu推理速度较慢于CPU的问题说明，详情参见：onnxruntime-gpu版相关说明 🛴2022-09-01 update: link 由于openvino发布了2022.2.0.dev20220829版本，该版本解决了cls部分模型推理的问题。至此，基于openvino的rapidocr完成了统一，全部由openvino推理引擎完成。 详细使用方法参见：python/README 🧸2022-08-17 update: link python/ocrweb部分 v1.1.0发布，详情参见v1.1.0 🕶2022-08-14 update: link ocrweb部分增加以API方式部署调用的功能，可以通过发送POST请求，来获得OCR识别结果。 详情参见：API方式调用 ✨2022-07-07 update: link 修复python版中v3 rec推理bug，并将v3 rec与v2 rec合并为同一套推理代码，更加简洁和方便 添加python模块下的单元测试 该页面添加致谢模块，感谢为这个项目作出贡献的小伙伴。 😁2022-07-05 update: link 添加对单行文本的处理能力，对于单行文本，可自行设定阈值，不过检测模块，直接识别即可。详情参见README 优化python部分代码逻辑，更优雅简洁。 🏝2022-06-30 update: link python推理部分，增加参数选择使用GPU推理的配置选项，在正确安装onnxruntime-gpu版本前提下，可以一键使用（Fix issue#30） 具体基于GPU的推理情况，需要等我后续整理一下，再更新出来 详情参见：onnxruntime-gpu版推理配置 📌2022-06-25 update: link 重新整理python部分推理代码，将常用调节参数全部放到yaml文件中，便于调节，更加容易使用 详情参见：README 🍿2022-05-15 udpate: link 增加PaddleOCR v3 rec模型转换后的ONNX模型，直接去网盘下载替换即可。(百度网盘 | Google Drive) 增加文本识别模型各个版本效果对比表格，详情点击各个版本ONNX模型效果对比。v3的文本识别模型从自己构建测试集上的指标来看不如之前的好。 😀2022-05-12 upadte link 增加PaddleOCR v3 det模型转换的ONNX模型，直接去网盘下载，替换即可。(百度网盘 | Google Drive) 增加各个版本文本检测模型效果对比表格，详情点击各个版本ONNX模型效果对比。v3的文本检测模型从指标来看是好于之前的v2的，推荐使用。 🎧2022-04-04 udpate: link 增加python下的基于OpenVINO推理引擎的支持 给出OpenVINO和ONNXRuntime的性能对比表格 详情参见:python/README 2022-02-24 udpate: link 优化python目录下的推理代码 添加调用不同语言模型的推理代码示例 详情参见：python/onnxruntime_infer/README 2021-12-18 udpate: link 添加Google Colab Demo 2021-11-28 udpate: link 更新ocrweb部分 添加显示各个阶段处理时间 更新说明文档 更换文本检测模型为ch_PP-OCRv2_det_infer.onnx,推理更快，更准 2021-11-13 udpate: link 添加python版本中文本检测和识别可调节的超参数，主要有box_thresh|unclip_ratio|text_score，详情见参数调节 将文本识别中字典位置以参数方式给出，便于灵活配置，详情见keys_path 2021-10-27 udpate: link 添加使用onnxruntime-gpu版推理的代码（不过gpu版本的onnxruntime不太好用，按照官方教程配置，感觉没有调用起来GPU） 具体使用步骤参见: onnxruntime-gpu推理配置 2021-09-13 udpate: link 添加基于python的whl文件，便于使用，详情参见release/python_sdk 2021-09-11 udpate: link 添加PP-OCRv2新增模型onnx版本 使用方法推理代码不变，直接替换对应模型即可。 经过在自有测试集上评测： PP-OCRv2检测模型效果有大幅度提升，模型大小没变。 PP-OCRv2识别模型效果无明显提升，模型大小增加了3.58M。 模型上传到百度网盘 提取码：30jv 2021-08-07 udpate: link PP-Structure 表格结构和cell坐标预测 正在整理中 之前做的,未完成的，欢迎提PR 打Dokcer镜像 尝试onnxruntime-gpu推理 2021-07-17 udpate: link 完善README文档 增加英文、数字识别onnx模型，具体参见python/en_number_ppocr_mobile_v2_rec，用法同其他 整理一下模型转onnx 2021-07-04 udpate: link 目前仓库下的python程序已经可以在树莓派4B上，成功运行，详细信息请进群，询问群主 更新整体结构图，添加树莓派的支持 2021-06-20 udpate: link 优化ocrweb中识别结果显示，同时添加识别动图演示 更新datasets目录，添加一些常用数据库链接(搬运一下^-^) 更新FAQ 2021-06-10 udpate: link 添加server版文本识别模型，详情见提取码：30jv 2021-06-08 udpate: link 整理仓库，统一模型下载路径 完善相关说明文档 2021-03-24 udpate: link 新模型已经完全兼容ONNXRuntime 1.7 或更高版本。 特别感谢：@Channingss 新版onnxruntime比1.6.0 性能提升40%以上。 "
+                description: "🛠️2024-05-15 v1.3.19 update: link 因为DirectML受支持设备限制，因此将DirectML作为一个选项写入配置文件，选择性调用 在Windows平台仍然恢复到v1.3.18前，默认安装onnxruntime库。如DirectML可用，且显式指定时，需要手动安装。 相关讨论：PR #178 Discussion #175 🧚🏻‍♀️2024-05-12 v1.3.18 update: link Merge PR #176 支持python 3.12 🔥2024-04-19 v1.3.17 update: link Merge PR 修复issue #170 📘2024-04-07 v1.3.16 update: link修复issue #161 🍿2024-03-07 v1.3.15 update: link 修复 issue #158 增加三个推理引擎（onnxruntime、openvino，paddlepaddle）初始化RapidOCR类，指定线程数的参数 🎂2024-03-05 v1.3.14 update: link添加可使用的CPU核心数，包括三个推理引擎，onnxruntime/OpenVINO/PaddlePaddle 🔖2024-02-28 v1.3.13 update: link 优化LoadImage类，添加对输入PIL.Image.Image的支持 修复不同输入类型下，图像通道顺序不同的问题 🍉2024-02-27 v1.3.12 update: link可视化函数适配Pillow v9和v10两个版本，自动根据各个版本情况，来选择相应获得char大小的函数 ♥️2024-02-04 v1.3.11 update: linkMerge PR #151 by LWQ2EDU 添加自动padding策略：当传入图像小于min_height或者\u003ewidth_height_ratio时，会触发自动padding图像，后续再进入检测。 ⚠️注意：padding值多少？当前值是一个权衡设置，大家可根据具体使用场景，自定设置合适值。 🌈2024-01-30 v1.3.10 update: link 修复get_boxes_img_without_det bug by AuroraWright 🥰2023-12-28 v1.",
+                content: "🛠️2024-05-15 v1.3.19 update: link 因为DirectML受支持设备限制，因此将DirectML作为一个选项写入配置文件，选择性调用 在Windows平台仍然恢复到v1.3.18前，默认安装onnxruntime库。如DirectML可用，且显式指定时，需要手动安装。 相关讨论：PR #178 Discussion #175 🧚🏻‍♀️2024-05-12 v1.3.18 update: link Merge PR #176 支持python 3.12 🔥2024-04-19 v1.3.17 update: link Merge PR 修复issue #170 📘2024-04-07 v1.3.16 update: link修复issue #161\n🍿2024-03-07 v1.3.15 update: link 修复 issue #158 增加三个推理引擎（onnxruntime、openvino，paddlepaddle）初始化RapidOCR类，指定线程数的参数 🎂2024-03-05 v1.3.14 update: link添加可使用的CPU核心数，包括三个推理引擎，onnxruntime/OpenVINO/PaddlePaddle\n🔖2024-02-28 v1.3.13 update: link 优化LoadImage类，添加对输入PIL.Image.Image的支持 修复不同输入类型下，图像通道顺序不同的问题 🍉2024-02-27 v1.3.12 update: link可视化函数适配Pillow v9和v10两个版本，自动根据各个版本情况，来选择相应获得char大小的函数\n♥️2024-02-04 v1.3.11 update: linkMerge PR #151 by LWQ2EDU\n添加自动padding策略：当传入图像小于min_height或者\u003ewidth_height_ratio时，会触发自动padding图像，后续再进入检测。 ⚠️注意：padding值多少？当前值是一个权衡设置，大家可根据具体使用场景，自定设置合适值。 🌈2024-01-30 v1.3.10 update: link 修复get_boxes_img_without_det bug by AuroraWright 🥰2023-12-28 v1.3.9 update: link 优化rapidocr系列库主函数代码逻辑，便于小伙伴们二次开发 Merge PR #141 by theikkila Merge PR #139 by debanjum 😜2023-10-25 v1.3.8 update: link 修复issue #133 📡2023-09-21 v1.3.7 update: link 完善VisRes类在终端情况下的使用 修复auto_text_det的条件错误 🧸2023-09-20 v1.3.6 update: link 添加VisRes类，便于快速可视化结果。详情参见demo.py用法 😀2023-09-20 v1.3.5 update: link Fixed issue #122 ⏰2023-09-18 v1.3.4 update: link 优化更新参数部分的函数实现 🧸2023-09-06 v1.3.2 update: link 修复issue #116 ⭐2023-08-29 v1.3.1 update: link 修复issue #115 🎉2023-08-26 v1.3.0 update: link 将PaddleOCR v4版对应的文本检测和文本识别轻量模型转换为onnx，并打包到whl中。 接口与v1.2.x一致，直接使用即可。 😉2023-07-12 v1.2.12 update: link 在rapidocr_onnxruntime初始化时，添加det_use_cuda、cls_use_cuda、rec_use_cuda参数 兼容配置文件方式传入RapidOCR类中 rapidocr_openvino同理 🎮2023-03-11 v1.2.2 update: link 修复实例化python中RapidOCR类传入参数错误 🧢2023-03-07 v1.2.1 update: link rapidocr系列包更新到v1.2.0 优化python下rapidocr系列包的接口传入参数，支持实例化类时，动态给定各个参数，更加灵活。 如果不指定，则用config.yaml下的默认参数。 具体可参见：传入参数 ⛸2023-02-16 update: link 优化ocrweb部分代码，可直接pip安装，快速使用，详情参见README。 优化python中各个部分的推理代码，更加紧凑，同时易于维护。 🎉2023-01-21 update: link [python] 添加含有文字的图像方向分类模块，具体参见Rapid Orientation ⚽2022-12-19 update: link [python] 添加表格结构还原模块，具体参见Rapid Table 🤖2022-12-14 update: link [python] 将配置参数和模型移到模块里面，同时将模型打到whl包内，可以直接pip安装使用，更加方便快捷。 详情参见：README 🧻2022-11-20 update: link [python] 添加版面分析部分,支持中文、英文和表格三种版面的检测分析。详情参见:Rapid Structure部分。 🎃2022-11-01 update: link 添加Hugging Face Demo, 增加可以调节超参数的功能，详情可访问Hugging Face Demo 🚩2022-10-01 udpate: link 修复python部分下一些较小bugs merge来自AutumnSun1996的OCRWeb实现的多语言部署demo，详情参见：ocrweb_mutli-README 添加onnxruntime-gpu推理速度较慢于CPU的问题说明，详情参见：onnxruntime-gpu版相关说明 🛴2022-09-01 update: link 由于openvino发布了2022.2.0.dev20220829版本，该版本解决了cls部分模型推理的问题。至此，基于openvino的rapidocr完成了统一，全部由openvino推理引擎完成。 详细使用方法参见：python/README 🧸2022-08-17 update: link python/ocrweb部分 v1.1.0发布，详情参见v1.1.0 🕶2022-08-14 update: link ocrweb部分增加以API方式部署调用的功能，可以通过发送POST请求，来获得OCR识别结果。 详情参见：API方式调用 ✨2022-07-07 update: link 修复python版中v3 rec推理bug，并将v3 rec与v2 rec合并为同一套推理代码，更加简洁和方便 添加python模块下的单元测试 该页面添加致谢模块，感谢为这个项目作出贡献的小伙伴。 😁2022-07-05 update: link 添加对单行文本的处理能力，对于单行文本，可自行设定阈值，不过检测模块，直接识别即可。详情参见README 优化python部分代码逻辑，更优雅简洁。 🏝2022-06-30 update: link python推理部分，增加参数选择使用GPU推理的配置选项，在正确安装onnxruntime-gpu版本前提下，可以一键使用（Fix issue#30） 具体基于GPU的推理情况，需要等我后续整理一下，再更新出来 详情参见：onnxruntime-gpu版推理配置 📌2022-06-25 update: link 重新整理python部分推理代码，将常用调节参数全部放到yaml文件中，便于调节，更加容易使用 详情参见：README 🍿2022-05-15 udpate: link 增加PaddleOCR v3 rec模型转换后的ONNX模型，直接去网盘下载替换即可。(百度网盘 | Google Drive) 增加文本识别模型各个版本效果对比表格，详情点击各个版本ONNX模型效果对比。v3的文本识别模型从自己构建测试集上的指标来看不如之前的好。 😀2022-05-12 upadte link 增加PaddleOCR v3 det模型转换的ONNX模型，直接去网盘下载，替换即可。(百度网盘 | Google Drive) 增加各个版本文本检测模型效果对比表格，详情点击各个版本ONNX模型效果对比。v3的文本检测模型从指标来看是好于之前的v2的，推荐使用。 🎧2022-04-04 udpate: link 增加python下的基于OpenVINO推理引擎的支持 给出OpenVINO和ONNXRuntime的性能对比表格 详情参见:python/README 2022-02-24 udpate: link 优化python目录下的推理代码 添加调用不同语言模型的推理代码示例 详情参见：python/onnxruntime_infer/README 2021-12-18 udpate: link 添加Google Colab Demo 2021-11-28 udpate: link 更新ocrweb部分 添加显示各个阶段处理时间 更新说明文档 更换文本检测模型为ch_PP-OCRv2_det_infer.onnx,推理更快，更准 2021-11-13 udpate: link 添加python版本中文本检测和识别可调节的超参数，主要有box_thresh|unclip_ratio|text_score，详情见参数调节 将文本识别中字典位置以参数方式给出，便于灵活配置，详情见keys_path 2021-10-27 udpate: link 添加使用onnxruntime-gpu版推理的代码（不过gpu版本的onnxruntime不太好用，按照官方教程配置，感觉没有调用起来GPU） 具体使用步骤参见: onnxruntime-gpu推理配置 2021-09-13 udpate: link 添加基于python的whl文件，便于使用，详情参见release/python_sdk 2021-09-11 udpate: link 添加PP-OCRv2新增模型onnx版本 使用方法推理代码不变，直接替换对应模型即可。 经过在自有测试集上评测： PP-OCRv2检测模型效果有大幅度提升，模型大小没变。 PP-OCRv2识别模型效果无明显提升，模型大小增加了3.58M。 模型上传到百度网盘 提取码：30jv 2021-08-07 udpate: link PP-Structure 表格结构和cell坐标预测 正在整理中 之前做的,未完成的，欢迎提PR 打Dokcer镜像 尝试onnxruntime-gpu推理 2021-07-17 udpate: link 完善README文档 增加英文、数字识别onnx模型，具体参见python/en_number_ppocr_mobile_v2_rec，用法同其他 整理一下模型转onnx 2021-07-04 udpate: link 目前仓库下的python程序已经可以在树莓派4B上，成功运行，详细信息请进群，询问群主 更新整体结构图，添加树莓派的支持 2021-06-20 udpate: link 优化ocrweb中识别结果显示，同时添加识别动图演示 更新datasets目录，添加一些常用数据库链接(搬运一下^-^) 更新FAQ 2021-06-10 udpate: link 添加server版文本识别模型，详情见提取码：30jv 2021-06-08 udpate: link 整理仓库，统一模型下载路径 完善相关说明文档 2021-03-24 udpate: link 新模型已经完全兼容ONNXRuntime 1.7 或更高版本。 特别感谢：@Channingss 新版onnxruntime比1.6.0 性能提升40%以上。 "
             }
         );
     index.add(
diff --git a/docs/blog/04_inference_summary/index.html b/docs/blog/04_inference_summary/index.html
index ebedd7ba..f1274982 100644
--- a/docs/blog/04_inference_summary/index.html
+++ b/docs/blog/04_inference_summary/index.html
@@ -1467,7 +1467,7 @@ 
获取字典内容 获取字典内容 获取字典内容 
                 id:  10 ,
                 href: "\/RapidOCRDocs\/docs\/install_usage\/rapidocr\/usage\/",
                 title: "使用说明",
-                description: "初始化 link类RapidOCR是主类，其初始化函数如下：\nclass RapidOCR: def __init__(self, config_path: Optional[str] = None, **kwargs): pass 支持两种自定义传参数的方案，下面分别详细说明：\n以config.yaml方式\n找到rapidocr_onnxruntime安装目录下的config.yaml文件，可以通过pip show rapidocr_onnxruntime找到其安装路径。 将config.yaml拷贝出来，放到当前运行目录下 按需自定义参数修改即可，具体参数解释，参见config.yaml engine = RapidOCR(config_path=\"your.yaml\") (推荐) 以具体参数传入，参数基本和config.yaml中对应，只是个别名称有所区别。\ninfo 以下参数均有默认值，可以不传入任何参数，直接初始化使用即可。intra_op_num_threads和inter_op_num_threads仅是rapidocr_onnxruntime版本下的，其他推理引擎，请参见各自源码 class RapidOCR: def __init__( self, text_score: float = 0.5, print_verbose: bool = False, min_height: int = 30, width_height_ratio: float = 8, det_use_cuda: bool = False, det_model_path: Optional[str] = None, det_limit_side_len: float = 736, det_limit_type: str = \"min\", det_thresh: float = 0.3, det_box_thresh: float = 0.",
+                description: "初始化 link类RapidOCR是主类，其初始化函数如下：\nclass RapidOCR: def __init__(self, config_path: Optional[str] = None, **kwargs): pass 支持两种自定义传参数的方案，下面分别详细说明：\n以config.yaml方式\n找到rapidocr_onnxruntime安装目录下的config.yaml文件，可以通过pip show rapidocr_onnxruntime找到其安装路径。 将config.yaml拷贝出来，放到当前运行目录下 按需自定义参数修改即可，具体参数解释，参见config.yaml engine = RapidOCR(config_path=\"your.yaml\") (推荐) 以具体参数传入，参数基本和config.yaml中对应，只是个别名称有所区别。\ninfo 以下参数均有默认值，可以不传入任何参数，直接初始化使用即可。intra_op_num_threads和inter_op_num_threads仅是rapidocr_onnxruntime版本下的，其他推理引擎，请参见各自源码 class RapidOCR: def __init__( self, text_score: float = 0.5, print_verbose: bool = False, min_height: int = 30, width_height_ratio: float = 8, det_use_cuda: bool = False, det_use_dml: bool = False, det_model_path: Optional[str] = None, det_limit_side_len: float = 736, det_limit_type: str = \"min\", det_thresh: float = 0.",
                 content: "初始化 link类RapidOCR是主类，其初始化函数如下：\nclass RapidOCR: def __init__(self, config_path: Optional[str] = None, **kwargs): pass 支持两种自定义传参数的方案，下面分别详细说明：\n以config.yaml方式\n找到rapidocr_onnxruntime安装目录下的config.yaml文件，可以通过pip show rapidocr_onnxruntime找到其安装路径。 将config.yaml拷贝出来，放到当前运行目录下 按需自定义参数修改即可，具体参数解释，参见"
             }
         );
@@ -1605,8 +1605,8 @@ 

                 id:  38 ,
                 href: "\/RapidOCRDocs\/docs\/blog\/02_config_parameter\/",
                 title: "config.yaml参数解释",
-                description: "notifications 该部分以rapidocr_onnxruntime库下config.yaml为例作讲解，其他推理引擎相关配置，请移步具体源码查看。 config.yaml源码 link 详情 Global: text_score: 0.5 use_det: true use_cls: true use_rec: true print_verbose: false min_height: 30 width_height_ratio: 8 use_cuda: \u0026use_cuda false intra_op_num_threads: \u0026intra_nums -1 inter_op_num_threads: \u0026inter_nums -1 Det: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_PP-OCRv4_det_infer.onnx limit_side_len: 736 limit_type: min thresh: 0.3 box_thresh: 0.5 max_candidates: 1000 unclip_ratio: 1.6 use_dilation: true score_mode: fast Cls: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_ppocr_mobile_v2.0_cls_infer.onnx cls_image_shape: [3, 48, 192] cls_batch_num: 6 cls_thresh: 0.",
-                content: " notifications 该部分以rapidocr_onnxruntime库下config.yaml为例作讲解，其他推理引擎相关配置，请移步具体源码查看。 config.yaml源码 link 详情 Global: text_score: 0.5 use_det: true use_cls: true use_rec: true print_verbose: false min_height: 30 width_height_ratio: 8 use_cuda: \u0026use_cuda false intra_op_num_threads: \u0026intra_nums -1 inter_op_num_threads: \u0026inter_nums -1 Det: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_PP-OCRv4_det_infer.onnx limit_side_len: 736 limit_type: min thresh: 0.3 box_thresh: 0.5 max_candidates: 1000 unclip_ratio: 1.6 use_dilation: true score_mode: fast Cls: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_ppocr_mobile_v2.0_cls_infer.onnx cls_image_shape: [3, 48, 192] cls_batch_num: 6 cls_thresh: 0.9 label_list: ['0', '180'] Rec: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_PP-OCRv4_rec_infer.onnx rec_img_shape: [3, 48, 320] rec_batch_num: 6 Global部分 link 参数名称 取值范围 默认值 作用 text_score [0, 1] 0.5 文本识别结果置信度，值越大，把握越大 use_angle_cls bool true 是否使用文本行的方向分类 print_verbose bool true 是否打印各个部分耗时信息 min_height int 30 图像最小高度（单位是像素）低于这个值，会跳过文本检测阶段，直接进行后续识别 width_height_ratio int 8 如果输入图像的宽高比大于width_height_ratio，则会跳过文本检测，直接进行后续识别width_height_ratio=-1：不用这个参数 use_cuda bool false 是否使用CUDA，加速推理 intra_op_num_threads int -1 参见docs inter_op_num_threads int -1 参见docs min_height是用来过滤只有一行文本的图像（如下图），这类图像不会进入文本检测模块，直接进入后续过程。\nDet部分 link 参数名称 取值范围 默认值 作用 use_cuda bool false 是否使用CUDA，加速推理 limit_side_len - 736 限制图像边的长度的像素值 limit_type [min, max] min 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。 thresh [0, 1] 0.3 图像中文字部分和背景部分分割阈值值越大，文字部分会越小 box_thresh [0, 1] 0.5 文本检测所得框是否保留的阈值，值越大，召回率越低 max_candidates - 1000 图像中最大可检测到的文本框数目，一般够用 unclip_ratio [1.6, 2.0] 1.6 控制文本检测框的大小，值越大，检测框整体越大 use_dilation bool true 是否使用形态学中的膨胀操作，一般采用默认值即可 score_mode string fast fast是求rectangle区域的平均分数，容易造成弯曲文本漏检，slow是求polygon区域的平均分数，会更准确，但速度有所降低，可按需选择 Cls部分 link 参数名称 取值范围 默认值 作用 cls_img_shape - [3, 48, 192] 输入方向分类模型的图像Shape（CHW） cls_batch_num - 6 批次推理的batch大小，一般采用默认值即可，太大并没有明显提速，效果还可能会差 cls_thresh [0, 1] 0.9 方向分类结果的置信度 label_list - [0, 180] 方向分类的标签，0°或者180°，该参数不能动 Rec部分 link 参数名称 取值范围 默认值 作用 rec_img_shape - [3, 48, 320] 输入文本识别模型的图像Shape（CHW） rec_batch_num - 6 批次推理的batch大小，一般采用默认值即可，太大并没有明显提速，效果还可能会差 "
+                description: "notifications 该部分以rapidocr_onnxruntime库下config.yaml为例作讲解，其他推理引擎相关配置，请移步具体源码查看。 config.yaml源码 link 详情 Global: text_score: 0.5 use_det: true use_cls: true use_rec: true print_verbose: false min_height: 30 width_height_ratio: 8 intra_op_num_threads: \u0026intra_nums -1 inter_op_num_threads: \u0026inter_nums -1 Det: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_PP-OCRv4_det_infer.onnx limit_side_len: 736 limit_type: min thresh: 0.3 box_thresh: 0.5 max_candidates: 1000 unclip_ratio: 1.6 use_dilation: true score_mode: fast Cls: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_ppocr_mobile_v2.0_cls_infer.onnx cls_image_shape: [3, 48, 192] cls_batch_num: 6 cls_thresh: 0.",
+                content: " notifications 该部分以rapidocr_onnxruntime库下config.yaml为例作讲解，其他推理引擎相关配置，请移步具体源码查看。 config.yaml源码 link 详情 Global: text_score: 0.5 use_det: true use_cls: true use_rec: true print_verbose: false min_height: 30 width_height_ratio: 8 intra_op_num_threads: \u0026intra_nums -1 inter_op_num_threads: \u0026inter_nums -1 Det: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_PP-OCRv4_det_infer.onnx limit_side_len: 736 limit_type: min thresh: 0.3 box_thresh: 0.5 max_candidates: 1000 unclip_ratio: 1.6 use_dilation: true score_mode: fast Cls: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_ppocr_mobile_v2.0_cls_infer.onnx cls_image_shape: [3, 48, 192] cls_batch_num: 6 cls_thresh: 0.9 label_list: ['0', '180'] Rec: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_PP-OCRv4_rec_infer.onnx rec_img_shape: [3, 48, 320] rec_batch_num: 6 Global部分 link 参数名称 取值范围 默认值 作用 text_score [0, 1] 0.5 文本识别结果置信度，值越大，把握越大 use_angle_cls bool true 是否使用文本行的方向分类 print_verbose bool true 是否打印各个部分耗时信息 min_height int 30 图像最小高度（单位是像素）低于这个值，会跳过文本检测阶段，直接进行后续识别 width_height_ratio int 8 如果输入图像的宽高比大于width_height_ratio，则会跳过文本检测，直接进行后续识别width_height_ratio=-1：不用这个参数 intra_op_num_threads int -1 参见docs inter_op_num_threads int -1 参见docs min_height是用来过滤只有一行文本的图像（如下图），这类图像不会进入文本检测模块，直接进入后续过程。\nDet部分 link 参数名称 取值范围 默认值 作用 use_cuda bool false 是否使用CUDA加速推理 use_dml bool false 是否使用DirectML加速推理(仅限于Window10及以上) limit_side_len - 736 限制图像边的长度的像素值 limit_type [min, max] min 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。 thresh [0, 1] 0.3 图像中文字部分和背景部分分割阈值值越大，文字部分会越小 box_thresh [0, 1] 0.5 文本检测所得框是否保留的阈值，值越大，召回率越低 max_candidates - 1000 图像中最大可检测到的文本框数目，一般够用 unclip_ratio [1.6, 2.0] 1.6 控制文本检测框的大小，值越大，检测框整体越大 use_dilation bool true 是否使用形态学中的膨胀操作，一般采用默认值即可 score_mode string fast fast是求rectangle区域的平均分数，容易造成弯曲文本漏检，slow是求polygon区域的平均分数，会更准确，但速度有所降低，可按需选择 Cls部分 link 参数名称 取值范围 默认值 作用 cls_img_shape - [3, 48, 192] 输入方向分类模型的图像Shape（CHW） cls_batch_num - 6 批次推理的batch大小，一般采用默认值即可，太大并没有明显提速，效果还可能会差 cls_thresh [0, 1] 0.9 方向分类结果的置信度 label_list - [0, 180] 方向分类的标签，0°或者180°，该参数不能动 Rec部分 link 参数名称 取值范围 默认值 作用 rec_img_shape - [3, 48, 320] 输入文本识别模型的图像Shape（CHW） rec_batch_num - 6 批次推理的batch大小，一般采用默认值即可，太大并没有明显提速，效果还可能会差 "
             }
         );
     index.add(
@@ -1668,8 +1668,8 @@ 

                 id:  45 ,
                 href: "\/RapidOCRDocs\/docs\/changelog\/rapidocr\/",
                 title: "rapidocr_onnxruntime/openvino",
-                description: "🧚🏻‍♀️2024-05-12 v1.3.18 update: link Merge PR #176 支持python 3.12 🔥2024-04-19 v1.3.17 update: link Merge PR 修复issue #170 📘2024-04-07 v1.3.16 update: link修复issue #161 🍿2024-03-07 v1.3.15 update: link 修复 issue #158 增加三个推理引擎（onnxruntime、openvino，paddlepaddle）初始化RapidOCR类，指定线程数的参数 🎂2024-03-05 v1.3.14 update: link添加可使用的CPU核心数，包括三个推理引擎，onnxruntime/OpenVINO/PaddlePaddle 🔖2024-02-28 v1.3.13 update: link 优化LoadImage类，添加对输入PIL.Image.Image的支持 修复不同输入类型下，图像通道顺序不同的问题 🍉2024-02-27 v1.3.12 update: link可视化函数适配Pillow v9和v10两个版本，自动根据各个版本情况，来选择相应获得char大小的函数 ♥️2024-02-04 v1.3.11 update: linkMerge PR #151 by LWQ2EDU 添加自动padding策略：当传入图像小于min_height或者\u003ewidth_height_ratio时，会触发自动padding图像，后续再进入检测。 ⚠️注意：padding值多少？当前值是一个权衡设置，大家可根据具体使用场景，自定设置合适值。 🌈2024-01-30 v1.3.10 update: link 修复get_boxes_img_without_det bug by AuroraWright 🥰2023-12-28 v1.3.9 update: link 优化rapidocr系列库主函数代码逻辑，便于小伙伴们二次开发 Merge PR #141 by theikkila Merge PR #139 by debanjum 😜2023-10-25 v1.",
-                content: "🧚🏻‍♀️2024-05-12 v1.3.18 update: link Merge PR #176 支持python 3.12 🔥2024-04-19 v1.3.17 update: link Merge PR 修复issue #170 📘2024-04-07 v1.3.16 update: link修复issue #161\n🍿2024-03-07 v1.3.15 update: link 修复 issue #158 增加三个推理引擎（onnxruntime、openvino，paddlepaddle）初始化RapidOCR类，指定线程数的参数 🎂2024-03-05 v1.3.14 update: link添加可使用的CPU核心数，包括三个推理引擎，onnxruntime/OpenVINO/PaddlePaddle\n🔖2024-02-28 v1.3.13 update: link 优化LoadImage类，添加对输入PIL.Image.Image的支持 修复不同输入类型下，图像通道顺序不同的问题 🍉2024-02-27 v1.3.12 update: link可视化函数适配Pillow v9和v10两个版本，自动根据各个版本情况，来选择相应获得char大小的函数\n♥️2024-02-04 v1.3.11 update: linkMerge PR #151 by LWQ2EDU\n添加自动padding策略：当传入图像小于min_height或者\u003ewidth_height_ratio时，会触发自动padding图像，后续再进入检测。 ⚠️注意：padding值多少？当前值是一个权衡设置，大家可根据具体使用场景，自定设置合适值。 🌈2024-01-30 v1.3.10 update: link 修复get_boxes_img_without_det bug by AuroraWright 🥰2023-12-28 v1.3.9 update: link 优化rapidocr系列库主函数代码逻辑，便于小伙伴们二次开发 Merge PR #141 by theikkila Merge PR #139 by debanjum 😜2023-10-25 v1.3.8 update: link 修复issue #133 📡2023-09-21 v1.3.7 update: link 完善VisRes类在终端情况下的使用 修复auto_text_det的条件错误 🧸2023-09-20 v1.3.6 update: link 添加VisRes类，便于快速可视化结果。详情参见demo.py用法 😀2023-09-20 v1.3.5 update: link Fixed issue #122 ⏰2023-09-18 v1.3.4 update: link 优化更新参数部分的函数实现 🧸2023-09-06 v1.3.2 update: link 修复issue #116 ⭐2023-08-29 v1.3.1 update: link 修复issue #115 🎉2023-08-26 v1.3.0 update: link 将PaddleOCR v4版对应的文本检测和文本识别轻量模型转换为onnx，并打包到whl中。 接口与v1.2.x一致，直接使用即可。 😉2023-07-12 v1.2.12 update: link 在rapidocr_onnxruntime初始化时，添加det_use_cuda、cls_use_cuda、rec_use_cuda参数 兼容配置文件方式传入RapidOCR类中 rapidocr_openvino同理 🎮2023-03-11 v1.2.2 update: link 修复实例化python中RapidOCR类传入参数错误 🧢2023-03-07 v1.2.1 update: link rapidocr系列包更新到v1.2.0 优化python下rapidocr系列包的接口传入参数，支持实例化类时，动态给定各个参数，更加灵活。 如果不指定，则用config.yaml下的默认参数。 具体可参见：传入参数 ⛸2023-02-16 update: link 优化ocrweb部分代码，可直接pip安装，快速使用，详情参见README。 优化python中各个部分的推理代码，更加紧凑，同时易于维护。 🎉2023-01-21 update: link [python] 添加含有文字的图像方向分类模块，具体参见Rapid Orientation ⚽2022-12-19 update: link [python] 添加表格结构还原模块，具体参见Rapid Table 🤖2022-12-14 update: link [python] 将配置参数和模型移到模块里面，同时将模型打到whl包内，可以直接pip安装使用，更加方便快捷。 详情参见：README 🧻2022-11-20 update: link [python] 添加版面分析部分,支持中文、英文和表格三种版面的检测分析。详情参见:Rapid Structure部分。 🎃2022-11-01 update: link 添加Hugging Face Demo, 增加可以调节超参数的功能，详情可访问Hugging Face Demo 🚩2022-10-01 udpate: link 修复python部分下一些较小bugs merge来自AutumnSun1996的OCRWeb实现的多语言部署demo，详情参见：ocrweb_mutli-README 添加onnxruntime-gpu推理速度较慢于CPU的问题说明，详情参见：onnxruntime-gpu版相关说明 🛴2022-09-01 update: link 由于openvino发布了2022.2.0.dev20220829版本，该版本解决了cls部分模型推理的问题。至此，基于openvino的rapidocr完成了统一，全部由openvino推理引擎完成。 详细使用方法参见：python/README 🧸2022-08-17 update: link python/ocrweb部分 v1.1.0发布，详情参见v1.1.0 🕶2022-08-14 update: link ocrweb部分增加以API方式部署调用的功能，可以通过发送POST请求，来获得OCR识别结果。 详情参见：API方式调用 ✨2022-07-07 update: link 修复python版中v3 rec推理bug，并将v3 rec与v2 rec合并为同一套推理代码，更加简洁和方便 添加python模块下的单元测试 该页面添加致谢模块，感谢为这个项目作出贡献的小伙伴。 😁2022-07-05 update: link 添加对单行文本的处理能力，对于单行文本，可自行设定阈值，不过检测模块，直接识别即可。详情参见README 优化python部分代码逻辑，更优雅简洁。 🏝2022-06-30 update: link python推理部分，增加参数选择使用GPU推理的配置选项，在正确安装onnxruntime-gpu版本前提下，可以一键使用（Fix issue#30） 具体基于GPU的推理情况，需要等我后续整理一下，再更新出来 详情参见：onnxruntime-gpu版推理配置 📌2022-06-25 update: link 重新整理python部分推理代码，将常用调节参数全部放到yaml文件中，便于调节，更加容易使用 详情参见：README 🍿2022-05-15 udpate: link 增加PaddleOCR v3 rec模型转换后的ONNX模型，直接去网盘下载替换即可。(百度网盘 | Google Drive) 增加文本识别模型各个版本效果对比表格，详情点击各个版本ONNX模型效果对比。v3的文本识别模型从自己构建测试集上的指标来看不如之前的好。 😀2022-05-12 upadte link 增加PaddleOCR v3 det模型转换的ONNX模型，直接去网盘下载，替换即可。(百度网盘 | Google Drive) 增加各个版本文本检测模型效果对比表格，详情点击各个版本ONNX模型效果对比。v3的文本检测模型从指标来看是好于之前的v2的，推荐使用。 🎧2022-04-04 udpate: link 增加python下的基于OpenVINO推理引擎的支持 给出OpenVINO和ONNXRuntime的性能对比表格 详情参见:python/README 2022-02-24 udpate: link 优化python目录下的推理代码 添加调用不同语言模型的推理代码示例 详情参见：python/onnxruntime_infer/README 2021-12-18 udpate: link 添加Google Colab Demo 2021-11-28 udpate: link 更新ocrweb部分 添加显示各个阶段处理时间 更新说明文档 更换文本检测模型为ch_PP-OCRv2_det_infer.onnx,推理更快，更准 2021-11-13 udpate: link 添加python版本中文本检测和识别可调节的超参数，主要有box_thresh|unclip_ratio|text_score，详情见参数调节 将文本识别中字典位置以参数方式给出，便于灵活配置，详情见keys_path 2021-10-27 udpate: link 添加使用onnxruntime-gpu版推理的代码（不过gpu版本的onnxruntime不太好用，按照官方教程配置，感觉没有调用起来GPU） 具体使用步骤参见: onnxruntime-gpu推理配置 2021-09-13 udpate: link 添加基于python的whl文件，便于使用，详情参见release/python_sdk 2021-09-11 udpate: link 添加PP-OCRv2新增模型onnx版本 使用方法推理代码不变，直接替换对应模型即可。 经过在自有测试集上评测： PP-OCRv2检测模型效果有大幅度提升，模型大小没变。 PP-OCRv2识别模型效果无明显提升，模型大小增加了3.58M。 模型上传到百度网盘 提取码：30jv 2021-08-07 udpate: link PP-Structure 表格结构和cell坐标预测 正在整理中 之前做的,未完成的，欢迎提PR 打Dokcer镜像 尝试onnxruntime-gpu推理 2021-07-17 udpate: link 完善README文档 增加英文、数字识别onnx模型，具体参见python/en_number_ppocr_mobile_v2_rec，用法同其他 整理一下模型转onnx 2021-07-04 udpate: link 目前仓库下的python程序已经可以在树莓派4B上，成功运行，详细信息请进群，询问群主 更新整体结构图，添加树莓派的支持 2021-06-20 udpate: link 优化ocrweb中识别结果显示，同时添加识别动图演示 更新datasets目录，添加一些常用数据库链接(搬运一下^-^) 更新FAQ 2021-06-10 udpate: link 添加server版文本识别模型，详情见提取码：30jv 2021-06-08 udpate: link 整理仓库，统一模型下载路径 完善相关说明文档 2021-03-24 udpate: link 新模型已经完全兼容ONNXRuntime 1.7 或更高版本。 特别感谢：@Channingss 新版onnxruntime比1.6.0 性能提升40%以上。 "
+                description: "🛠️2024-05-15 v1.3.19 update: link 因为DirectML受支持设备限制，因此将DirectML作为一个选项写入配置文件，选择性调用 在Windows平台仍然恢复到v1.3.18前，默认安装onnxruntime库。如DirectML可用，且显式指定时，需要手动安装。 相关讨论：PR #178 Discussion #175 🧚🏻‍♀️2024-05-12 v1.3.18 update: link Merge PR #176 支持python 3.12 🔥2024-04-19 v1.3.17 update: link Merge PR 修复issue #170 📘2024-04-07 v1.3.16 update: link修复issue #161 🍿2024-03-07 v1.3.15 update: link 修复 issue #158 增加三个推理引擎（onnxruntime、openvino，paddlepaddle）初始化RapidOCR类，指定线程数的参数 🎂2024-03-05 v1.3.14 update: link添加可使用的CPU核心数，包括三个推理引擎，onnxruntime/OpenVINO/PaddlePaddle 🔖2024-02-28 v1.3.13 update: link 优化LoadImage类，添加对输入PIL.Image.Image的支持 修复不同输入类型下，图像通道顺序不同的问题 🍉2024-02-27 v1.3.12 update: link可视化函数适配Pillow v9和v10两个版本，自动根据各个版本情况，来选择相应获得char大小的函数 ♥️2024-02-04 v1.3.11 update: linkMerge PR #151 by LWQ2EDU 添加自动padding策略：当传入图像小于min_height或者\u003ewidth_height_ratio时，会触发自动padding图像，后续再进入检测。 ⚠️注意：padding值多少？当前值是一个权衡设置，大家可根据具体使用场景，自定设置合适值。 🌈2024-01-30 v1.3.10 update: link 修复get_boxes_img_without_det bug by AuroraWright 🥰2023-12-28 v1.",
+                content: "🛠️2024-05-15 v1.3.19 update: link 因为DirectML受支持设备限制，因此将DirectML作为一个选项写入配置文件，选择性调用 在Windows平台仍然恢复到v1.3.18前，默认安装onnxruntime库。如DirectML可用，且显式指定时，需要手动安装。 相关讨论：PR #178 Discussion #175 🧚🏻‍♀️2024-05-12 v1.3.18 update: link Merge PR #176 支持python 3.12 🔥2024-04-19 v1.3.17 update: link Merge PR 修复issue #170 📘2024-04-07 v1.3.16 update: link修复issue #161\n🍿2024-03-07 v1.3.15 update: link 修复 issue #158 增加三个推理引擎（onnxruntime、openvino，paddlepaddle）初始化RapidOCR类，指定线程数的参数 🎂2024-03-05 v1.3.14 update: link添加可使用的CPU核心数，包括三个推理引擎，onnxruntime/OpenVINO/PaddlePaddle\n🔖2024-02-28 v1.3.13 update: link 优化LoadImage类，添加对输入PIL.Image.Image的支持 修复不同输入类型下，图像通道顺序不同的问题 🍉2024-02-27 v1.3.12 update: link可视化函数适配Pillow v9和v10两个版本，自动根据各个版本情况，来选择相应获得char大小的函数\n♥️2024-02-04 v1.3.11 update: linkMerge PR #151 by LWQ2EDU\n添加自动padding策略：当传入图像小于min_height或者\u003ewidth_height_ratio时，会触发自动padding图像，后续再进入检测。 ⚠️注意：padding值多少？当前值是一个权衡设置，大家可根据具体使用场景，自定设置合适值。 🌈2024-01-30 v1.3.10 update: link 修复get_boxes_img_without_det bug by AuroraWright 🥰2023-12-28 v1.3.9 update: link 优化rapidocr系列库主函数代码逻辑，便于小伙伴们二次开发 Merge PR #141 by theikkila Merge PR #139 by debanjum 😜2023-10-25 v1.3.8 update: link 修复issue #133 📡2023-09-21 v1.3.7 update: link 完善VisRes类在终端情况下的使用 修复auto_text_det的条件错误 🧸2023-09-20 v1.3.6 update: link 添加VisRes类，便于快速可视化结果。详情参见demo.py用法 😀2023-09-20 v1.3.5 update: link Fixed issue #122 ⏰2023-09-18 v1.3.4 update: link 优化更新参数部分的函数实现 🧸2023-09-06 v1.3.2 update: link 修复issue #116 ⭐2023-08-29 v1.3.1 update: link 修复issue #115 🎉2023-08-26 v1.3.0 update: link 将PaddleOCR v4版对应的文本检测和文本识别轻量模型转换为onnx，并打包到whl中。 接口与v1.2.x一致，直接使用即可。 😉2023-07-12 v1.2.12 update: link 在rapidocr_onnxruntime初始化时，添加det_use_cuda、cls_use_cuda、rec_use_cuda参数 兼容配置文件方式传入RapidOCR类中 rapidocr_openvino同理 🎮2023-03-11 v1.2.2 update: link 修复实例化python中RapidOCR类传入参数错误 🧢2023-03-07 v1.2.1 update: link rapidocr系列包更新到v1.2.0 优化python下rapidocr系列包的接口传入参数，支持实例化类时，动态给定各个参数，更加灵活。 如果不指定，则用config.yaml下的默认参数。 具体可参见：传入参数 ⛸2023-02-16 update: link 优化ocrweb部分代码，可直接pip安装，快速使用，详情参见README。 优化python中各个部分的推理代码，更加紧凑，同时易于维护。 🎉2023-01-21 update: link [python] 添加含有文字的图像方向分类模块，具体参见Rapid Orientation ⚽2022-12-19 update: link [python] 添加表格结构还原模块，具体参见Rapid Table 🤖2022-12-14 update: link [python] 将配置参数和模型移到模块里面，同时将模型打到whl包内，可以直接pip安装使用，更加方便快捷。 详情参见：README 🧻2022-11-20 update: link [python] 添加版面分析部分,支持中文、英文和表格三种版面的检测分析。详情参见:Rapid Structure部分。 🎃2022-11-01 update: link 添加Hugging Face Demo, 增加可以调节超参数的功能，详情可访问Hugging Face Demo 🚩2022-10-01 udpate: link 修复python部分下一些较小bugs merge来自AutumnSun1996的OCRWeb实现的多语言部署demo，详情参见：ocrweb_mutli-README 添加onnxruntime-gpu推理速度较慢于CPU的问题说明，详情参见：onnxruntime-gpu版相关说明 🛴2022-09-01 update: link 由于openvino发布了2022.2.0.dev20220829版本，该版本解决了cls部分模型推理的问题。至此，基于openvino的rapidocr完成了统一，全部由openvino推理引擎完成。 详细使用方法参见：python/README 🧸2022-08-17 update: link python/ocrweb部分 v1.1.0发布，详情参见v1.1.0 🕶2022-08-14 update: link ocrweb部分增加以API方式部署调用的功能，可以通过发送POST请求，来获得OCR识别结果。 详情参见：API方式调用 ✨2022-07-07 update: link 修复python版中v3 rec推理bug，并将v3 rec与v2 rec合并为同一套推理代码，更加简洁和方便 添加python模块下的单元测试 该页面添加致谢模块，感谢为这个项目作出贡献的小伙伴。 😁2022-07-05 update: link 添加对单行文本的处理能力，对于单行文本，可自行设定阈值，不过检测模块，直接识别即可。详情参见README 优化python部分代码逻辑，更优雅简洁。 🏝2022-06-30 update: link python推理部分，增加参数选择使用GPU推理的配置选项，在正确安装onnxruntime-gpu版本前提下，可以一键使用（Fix issue#30） 具体基于GPU的推理情况，需要等我后续整理一下，再更新出来 详情参见：onnxruntime-gpu版推理配置 📌2022-06-25 update: link 重新整理python部分推理代码，将常用调节参数全部放到yaml文件中，便于调节，更加容易使用 详情参见：README 🍿2022-05-15 udpate: link 增加PaddleOCR v3 rec模型转换后的ONNX模型，直接去网盘下载替换即可。(百度网盘 | Google Drive) 增加文本识别模型各个版本效果对比表格，详情点击各个版本ONNX模型效果对比。v3的文本识别模型从自己构建测试集上的指标来看不如之前的好。 😀2022-05-12 upadte link 增加PaddleOCR v3 det模型转换的ONNX模型，直接去网盘下载，替换即可。(百度网盘 | Google Drive) 增加各个版本文本检测模型效果对比表格，详情点击各个版本ONNX模型效果对比。v3的文本检测模型从指标来看是好于之前的v2的，推荐使用。 🎧2022-04-04 udpate: link 增加python下的基于OpenVINO推理引擎的支持 给出OpenVINO和ONNXRuntime的性能对比表格 详情参见:python/README 2022-02-24 udpate: link 优化python目录下的推理代码 添加调用不同语言模型的推理代码示例 详情参见：python/onnxruntime_infer/README 2021-12-18 udpate: link 添加Google Colab Demo 2021-11-28 udpate: link 更新ocrweb部分 添加显示各个阶段处理时间 更新说明文档 更换文本检测模型为ch_PP-OCRv2_det_infer.onnx,推理更快，更准 2021-11-13 udpate: link 添加python版本中文本检测和识别可调节的超参数，主要有box_thresh|unclip_ratio|text_score，详情见参数调节 将文本识别中字典位置以参数方式给出，便于灵活配置，详情见keys_path 2021-10-27 udpate: link 添加使用onnxruntime-gpu版推理的代码（不过gpu版本的onnxruntime不太好用，按照官方教程配置，感觉没有调用起来GPU） 具体使用步骤参见: onnxruntime-gpu推理配置 2021-09-13 udpate: link 添加基于python的whl文件，便于使用，详情参见release/python_sdk 2021-09-11 udpate: link 添加PP-OCRv2新增模型onnx版本 使用方法推理代码不变，直接替换对应模型即可。 经过在自有测试集上评测： PP-OCRv2检测模型效果有大幅度提升，模型大小没变。 PP-OCRv2识别模型效果无明显提升，模型大小增加了3.58M。 模型上传到百度网盘 提取码：30jv 2021-08-07 udpate: link PP-Structure 表格结构和cell坐标预测 正在整理中 之前做的,未完成的，欢迎提PR 打Dokcer镜像 尝试onnxruntime-gpu推理 2021-07-17 udpate: link 完善README文档 增加英文、数字识别onnx模型，具体参见python/en_number_ppocr_mobile_v2_rec，用法同其他 整理一下模型转onnx 2021-07-04 udpate: link 目前仓库下的python程序已经可以在树莓派4B上，成功运行，详细信息请进群，询问群主 更新整体结构图，添加树莓派的支持 2021-06-20 udpate: link 优化ocrweb中识别结果显示，同时添加识别动图演示 更新datasets目录，添加一些常用数据库链接(搬运一下^-^) 更新FAQ 2021-06-10 udpate: link 添加server版文本识别模型，详情见提取码：30jv 2021-06-08 udpate: link 整理仓库，统一模型下载路径 完善相关说明文档 2021-03-24 udpate: link 新模型已经完全兼容ONNXRuntime 1.7 或更高版本。 特别感谢：@Channingss 新版onnxruntime比1.6.0 性能提升40%以上。 "
             }
         );
     index.add(
diff --git a/docs/blog/index.xml b/docs/blog/index.xml
index 9f502aed..f315ab65 100644
--- a/docs/blog/index.xml
+++ b/docs/blog/index.xml
@@ -25,7 +25,7 @@
       Wed, 05 Oct 2022 00:00:00 +0000
       
       https://rapidai.github.io/RapidOCRDocs/docs/blog/02_config_parameter/
-      notifications 该部分以rapidocr_onnxruntime库下config.yaml为例作讲解，其他推理引擎相关配置，请移步具体源码查看。 config.yaml源码 link 详情 Global: text_score: 0.5 use_det: true use_cls: true use_rec: true print_verbose: false min_height: 30 width_height_ratio: 8 use_cuda: &use_cuda false intra_op_num_threads: &intra_nums -1 inter_op_num_threads: &inter_nums -1 Det: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_PP-OCRv4_det_infer.onnx limit_side_len: 736 limit_type: min thresh: 0.3 box_thresh: 0.5 max_candidates: 1000 unclip_ratio: 1.6 use_dilation: true score_mode: fast Cls: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_ppocr_mobile_v2.0_cls_infer.onnx cls_image_shape: [3, 48, 192] cls_batch_num: 6 cls_thresh: 0.
+      notifications 该部分以rapidocr_onnxruntime库下config.yaml为例作讲解，其他推理引擎相关配置，请移步具体源码查看。 config.yaml源码 link 详情 Global: text_score: 0.5 use_det: true use_cls: true use_rec: true print_verbose: false min_height: 30 width_height_ratio: 8 intra_op_num_threads: &intra_nums -1 inter_op_num_threads: &inter_nums -1 Det: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_PP-OCRv4_det_infer.onnx limit_side_len: 736 limit_type: min thresh: 0.3 box_thresh: 0.5 max_candidates: 1000 unclip_ratio: 1.6 use_dilation: true score_mode: fast Cls: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_ppocr_mobile_v2.0_cls_infer.onnx cls_image_shape: [3, 48, 192] cls_batch_num: 6 cls_thresh: 0.
     
     
     
diff --git a/docs/business_support/index.html b/docs/business_support/index.html
index 27996a58..02d51f5a 100644
--- a/docs/business_support/index.html
+++ b/docs/business_support/index.html
@@ -1406,7 +1406,7 @@ 
服务三：国产操作系
                 id:  10 ,
                 href: "\/RapidOCRDocs\/docs\/install_usage\/rapidocr\/usage\/",
                 title: "使用说明",
-                description: "初始化 link类RapidOCR是主类，其初始化函数如下：\nclass RapidOCR: def __init__(self, config_path: Optional[str] = None, **kwargs): pass 支持两种自定义传参数的方案，下面分别详细说明：\n以config.yaml方式\n找到rapidocr_onnxruntime安装目录下的config.yaml文件，可以通过pip show rapidocr_onnxruntime找到其安装路径。 将config.yaml拷贝出来，放到当前运行目录下 按需自定义参数修改即可，具体参数解释，参见config.yaml engine = RapidOCR(config_path=\"your.yaml\") (推荐) 以具体参数传入，参数基本和config.yaml中对应，只是个别名称有所区别。\ninfo 以下参数均有默认值，可以不传入任何参数，直接初始化使用即可。intra_op_num_threads和inter_op_num_threads仅是rapidocr_onnxruntime版本下的，其他推理引擎，请参见各自源码 class RapidOCR: def __init__( self, text_score: float = 0.5, print_verbose: bool = False, min_height: int = 30, width_height_ratio: float = 8, det_use_cuda: bool = False, det_model_path: Optional[str] = None, det_limit_side_len: float = 736, det_limit_type: str = \"min\", det_thresh: float = 0.3, det_box_thresh: float = 0.",
+                description: "初始化 link类RapidOCR是主类，其初始化函数如下：\nclass RapidOCR: def __init__(self, config_path: Optional[str] = None, **kwargs): pass 支持两种自定义传参数的方案，下面分别详细说明：\n以config.yaml方式\n找到rapidocr_onnxruntime安装目录下的config.yaml文件，可以通过pip show rapidocr_onnxruntime找到其安装路径。 将config.yaml拷贝出来，放到当前运行目录下 按需自定义参数修改即可，具体参数解释，参见config.yaml engine = RapidOCR(config_path=\"your.yaml\") (推荐) 以具体参数传入，参数基本和config.yaml中对应，只是个别名称有所区别。\ninfo 以下参数均有默认值，可以不传入任何参数，直接初始化使用即可。intra_op_num_threads和inter_op_num_threads仅是rapidocr_onnxruntime版本下的，其他推理引擎，请参见各自源码 class RapidOCR: def __init__( self, text_score: float = 0.5, print_verbose: bool = False, min_height: int = 30, width_height_ratio: float = 8, det_use_cuda: bool = False, det_use_dml: bool = False, det_model_path: Optional[str] = None, det_limit_side_len: float = 736, det_limit_type: str = \"min\", det_thresh: float = 0.",
                 content: "初始化 link类RapidOCR是主类，其初始化函数如下：\nclass RapidOCR: def __init__(self, config_path: Optional[str] = None, **kwargs): pass 支持两种自定义传参数的方案，下面分别详细说明：\n以config.yaml方式\n找到rapidocr_onnxruntime安装目录下的config.yaml文件，可以通过pip show rapidocr_onnxruntime找到其安装路径。 将config.yaml拷贝出来，放到当前运行目录下 按需自定义参数修改即可，具体参数解释，参见"
             }
         );
@@ -1658,8 +1658,8 @@ 
服务三：国产操作系
                 id:  38 ,
                 href: "\/RapidOCRDocs\/docs\/blog\/02_config_parameter\/",
                 title: "config.yaml参数解释",
-                description: "notifications 该部分以rapidocr_onnxruntime库下config.yaml为例作讲解，其他推理引擎相关配置，请移步具体源码查看。 config.yaml源码 link 详情 Global: text_score: 0.5 use_det: true use_cls: true use_rec: true print_verbose: false min_height: 30 width_height_ratio: 8 use_cuda: \u0026use_cuda false intra_op_num_threads: \u0026intra_nums -1 inter_op_num_threads: \u0026inter_nums -1 Det: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_PP-OCRv4_det_infer.onnx limit_side_len: 736 limit_type: min thresh: 0.3 box_thresh: 0.5 max_candidates: 1000 unclip_ratio: 1.6 use_dilation: true score_mode: fast Cls: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_ppocr_mobile_v2.0_cls_infer.onnx cls_image_shape: [3, 48, 192] cls_batch_num: 6 cls_thresh: 0.",
-                content: " notifications 该部分以rapidocr_onnxruntime库下config.yaml为例作讲解，其他推理引擎相关配置，请移步具体源码查看。 config.yaml源码 link 详情 Global: text_score: 0.5 use_det: true use_cls: true use_rec: true print_verbose: false min_height: 30 width_height_ratio: 8 use_cuda: \u0026use_cuda false intra_op_num_threads: \u0026intra_nums -1 inter_op_num_threads: \u0026inter_nums -1 Det: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_PP-OCRv4_det_infer.onnx limit_side_len: 736 limit_type: min thresh: 0.3 box_thresh: 0.5 max_candidates: 1000 unclip_ratio: 1.6 use_dilation: true score_mode: fast Cls: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_ppocr_mobile_v2.0_cls_infer.onnx cls_image_shape: [3, 48, 192] cls_batch_num: 6 cls_thresh: 0.9 label_list: ['0', '180'] Rec: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_PP-OCRv4_rec_infer.onnx rec_img_shape: [3, 48, 320] rec_batch_num: 6 Global部分 link 参数名称 取值范围 默认值 作用 text_score [0, 1] 0.5 文本识别结果置信度，值越大，把握越大 use_angle_cls bool true 是否使用文本行的方向分类 print_verbose bool true 是否打印各个部分耗时信息 min_height int 30 图像最小高度（单位是像素）低于这个值，会跳过文本检测阶段，直接进行后续识别 width_height_ratio int 8 如果输入图像的宽高比大于width_height_ratio，则会跳过文本检测，直接进行后续识别width_height_ratio=-1：不用这个参数 use_cuda bool false 是否使用CUDA，加速推理 intra_op_num_threads int -1 参见docs inter_op_num_threads int -1 参见docs min_height是用来过滤只有一行文本的图像（如下图），这类图像不会进入文本检测模块，直接进入后续过程。\nDet部分 link 参数名称 取值范围 默认值 作用 use_cuda bool false 是否使用CUDA，加速推理 limit_side_len - 736 限制图像边的长度的像素值 limit_type [min, max] min 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。 thresh [0, 1] 0.3 图像中文字部分和背景部分分割阈值值越大，文字部分会越小 box_thresh [0, 1] 0.5 文本检测所得框是否保留的阈值，值越大，召回率越低 max_candidates - 1000 图像中最大可检测到的文本框数目，一般够用 unclip_ratio [1.6, 2.0] 1.6 控制文本检测框的大小，值越大，检测框整体越大 use_dilation bool true 是否使用形态学中的膨胀操作，一般采用默认值即可 score_mode string fast fast是求rectangle区域的平均分数，容易造成弯曲文本漏检，slow是求polygon区域的平均分数，会更准确，但速度有所降低，可按需选择 Cls部分 link 参数名称 取值范围 默认值 作用 cls_img_shape - [3, 48, 192] 输入方向分类模型的图像Shape（CHW） cls_batch_num - 6 批次推理的batch大小，一般采用默认值即可，太大并没有明显提速，效果还可能会差 cls_thresh [0, 1] 0.9 方向分类结果的置信度 label_list - [0, 180] 方向分类的标签，0°或者180°，该参数不能动 Rec部分 link 参数名称 取值范围 默认值 作用 rec_img_shape - [3, 48, 320] 输入文本识别模型的图像Shape（CHW） rec_batch_num - 6 批次推理的batch大小，一般采用默认值即可，太大并没有明显提速，效果还可能会差 "
+                description: "notifications 该部分以rapidocr_onnxruntime库下config.yaml为例作讲解，其他推理引擎相关配置，请移步具体源码查看。 config.yaml源码 link 详情 Global: text_score: 0.5 use_det: true use_cls: true use_rec: true print_verbose: false min_height: 30 width_height_ratio: 8 intra_op_num_threads: \u0026intra_nums -1 inter_op_num_threads: \u0026inter_nums -1 Det: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_PP-OCRv4_det_infer.onnx limit_side_len: 736 limit_type: min thresh: 0.3 box_thresh: 0.5 max_candidates: 1000 unclip_ratio: 1.6 use_dilation: true score_mode: fast Cls: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_ppocr_mobile_v2.0_cls_infer.onnx cls_image_shape: [3, 48, 192] cls_batch_num: 6 cls_thresh: 0.",
+                content: " notifications 该部分以rapidocr_onnxruntime库下config.yaml为例作讲解，其他推理引擎相关配置，请移步具体源码查看。 config.yaml源码 link 详情 Global: text_score: 0.5 use_det: true use_cls: true use_rec: true print_verbose: false min_height: 30 width_height_ratio: 8 intra_op_num_threads: \u0026intra_nums -1 inter_op_num_threads: \u0026inter_nums -1 Det: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_PP-OCRv4_det_infer.onnx limit_side_len: 736 limit_type: min thresh: 0.3 box_thresh: 0.5 max_candidates: 1000 unclip_ratio: 1.6 use_dilation: true score_mode: fast Cls: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_ppocr_mobile_v2.0_cls_infer.onnx cls_image_shape: [3, 48, 192] cls_batch_num: 6 cls_thresh: 0.9 label_list: ['0', '180'] Rec: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_PP-OCRv4_rec_infer.onnx rec_img_shape: [3, 48, 320] rec_batch_num: 6 Global部分 link 参数名称 取值范围 默认值 作用 text_score [0, 1] 0.5 文本识别结果置信度，值越大，把握越大 use_angle_cls bool true 是否使用文本行的方向分类 print_verbose bool true 是否打印各个部分耗时信息 min_height int 30 图像最小高度（单位是像素）低于这个值，会跳过文本检测阶段，直接进行后续识别 width_height_ratio int 8 如果输入图像的宽高比大于width_height_ratio，则会跳过文本检测，直接进行后续识别width_height_ratio=-1：不用这个参数 intra_op_num_threads int -1 参见docs inter_op_num_threads int -1 参见docs min_height是用来过滤只有一行文本的图像（如下图），这类图像不会进入文本检测模块，直接进入后续过程。\nDet部分 link 参数名称 取值范围 默认值 作用 use_cuda bool false 是否使用CUDA加速推理 use_dml bool false 是否使用DirectML加速推理(仅限于Window10及以上) limit_side_len - 736 限制图像边的长度的像素值 limit_type [min, max] min 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。 thresh [0, 1] 0.3 图像中文字部分和背景部分分割阈值值越大，文字部分会越小 box_thresh [0, 1] 0.5 文本检测所得框是否保留的阈值，值越大，召回率越低 max_candidates - 1000 图像中最大可检测到的文本框数目，一般够用 unclip_ratio [1.6, 2.0] 1.6 控制文本检测框的大小，值越大，检测框整体越大 use_dilation bool true 是否使用形态学中的膨胀操作，一般采用默认值即可 score_mode string fast fast是求rectangle区域的平均分数，容易造成弯曲文本漏检，slow是求polygon区域的平均分数，会更准确，但速度有所降低，可按需选择 Cls部分 link 参数名称 取值范围 默认值 作用 cls_img_shape - [3, 48, 192] 输入方向分类模型的图像Shape（CHW） cls_batch_num - 6 批次推理的batch大小，一般采用默认值即可，太大并没有明显提速，效果还可能会差 cls_thresh [0, 1] 0.9 方向分类结果的置信度 label_list - [0, 180] 方向分类的标签，0°或者180°，该参数不能动 Rec部分 link 参数名称 取值范围 默认值 作用 rec_img_shape - [3, 48, 320] 输入文本识别模型的图像Shape（CHW） rec_batch_num - 6 批次推理的batch大小，一般采用默认值即可，太大并没有明显提速，效果还可能会差 "
             }
         );
     index.add(
@@ -1721,8 +1721,8 @@ 
服务三：国产操作系
                 id:  45 ,
                 href: "\/RapidOCRDocs\/docs\/changelog\/rapidocr\/",
                 title: "rapidocr_onnxruntime/openvino",
-                description: "🧚🏻‍♀️2024-05-12 v1.3.18 update: link Merge PR #176 支持python 3.12 🔥2024-04-19 v1.3.17 update: link Merge PR 修复issue #170 📘2024-04-07 v1.3.16 update: link修复issue #161 🍿2024-03-07 v1.3.15 update: link 修复 issue #158 增加三个推理引擎（onnxruntime、openvino，paddlepaddle）初始化RapidOCR类，指定线程数的参数 🎂2024-03-05 v1.3.14 update: link添加可使用的CPU核心数，包括三个推理引擎，onnxruntime/OpenVINO/PaddlePaddle 🔖2024-02-28 v1.3.13 update: link 优化LoadImage类，添加对输入PIL.Image.Image的支持 修复不同输入类型下，图像通道顺序不同的问题 🍉2024-02-27 v1.3.12 update: link可视化函数适配Pillow v9和v10两个版本，自动根据各个版本情况，来选择相应获得char大小的函数 ♥️2024-02-04 v1.3.11 update: linkMerge PR #151 by LWQ2EDU 添加自动padding策略：当传入图像小于min_height或者\u003ewidth_height_ratio时，会触发自动padding图像，后续再进入检测。 ⚠️注意：padding值多少？当前值是一个权衡设置，大家可根据具体使用场景，自定设置合适值。 🌈2024-01-30 v1.3.10 update: link 修复get_boxes_img_without_det bug by AuroraWright 🥰2023-12-28 v1.3.9 update: link 优化rapidocr系列库主函数代码逻辑，便于小伙伴们二次开发 Merge PR #141 by theikkila Merge PR #139 by debanjum 😜2023-10-25 v1.",
-                content: "🧚🏻‍♀️2024-05-12 v1.3.18 update: link Merge PR #176 支持python 3.12 🔥2024-04-19 v1.3.17 update: link Merge PR 修复issue #170 📘2024-04-07 v1.3.16 update: link修复issue #161\n🍿2024-03-07 v1.3.15 update: link 修复 issue #158 增加三个推理引擎（onnxruntime、openvino，paddlepaddle）初始化RapidOCR类，指定线程数的参数 🎂2024-03-05 v1.3.14 update: link添加可使用的CPU核心数，包括三个推理引擎，onnxruntime/OpenVINO/PaddlePaddle\n🔖2024-02-28 v1.3.13 update: link 优化LoadImage类，添加对输入PIL.Image.Image的支持 修复不同输入类型下，图像通道顺序不同的问题 🍉2024-02-27 v1.3.12 update: link可视化函数适配Pillow v9和v10两个版本，自动根据各个版本情况，来选择相应获得char大小的函数\n♥️2024-02-04 v1.3.11 update: linkMerge PR #151 by LWQ2EDU\n添加自动padding策略：当传入图像小于min_height或者\u003ewidth_height_ratio时，会触发自动padding图像，后续再进入检测。 ⚠️注意：padding值多少？当前值是一个权衡设置，大家可根据具体使用场景，自定设置合适值。 🌈2024-01-30 v1.3.10 update: link 修复get_boxes_img_without_det bug by AuroraWright 🥰2023-12-28 v1.3.9 update: link 优化rapidocr系列库主函数代码逻辑，便于小伙伴们二次开发 Merge PR #141 by theikkila Merge PR #139 by debanjum 😜2023-10-25 v1.3.8 update: link 修复issue #133 📡2023-09-21 v1.3.7 update: link 完善VisRes类在终端情况下的使用 修复auto_text_det的条件错误 🧸2023-09-20 v1.3.6 update: link 添加VisRes类，便于快速可视化结果。详情参见demo.py用法 😀2023-09-20 v1.3.5 update: link Fixed issue #122 ⏰2023-09-18 v1.3.4 update: link 优化更新参数部分的函数实现 🧸2023-09-06 v1.3.2 update: link 修复issue #116 ⭐2023-08-29 v1.3.1 update: link 修复issue #115 🎉2023-08-26 v1.3.0 update: link 将PaddleOCR v4版对应的文本检测和文本识别轻量模型转换为onnx，并打包到whl中。 接口与v1.2.x一致，直接使用即可。 😉2023-07-12 v1.2.12 update: link 在rapidocr_onnxruntime初始化时，添加det_use_cuda、cls_use_cuda、rec_use_cuda参数 兼容配置文件方式传入RapidOCR类中 rapidocr_openvino同理 🎮2023-03-11 v1.2.2 update: link 修复实例化python中RapidOCR类传入参数错误 🧢2023-03-07 v1.2.1 update: link rapidocr系列包更新到v1.2.0 优化python下rapidocr系列包的接口传入参数，支持实例化类时，动态给定各个参数，更加灵活。 如果不指定，则用config.yaml下的默认参数。 具体可参见：传入参数 ⛸2023-02-16 update: link 优化ocrweb部分代码，可直接pip安装，快速使用，详情参见README。 优化python中各个部分的推理代码，更加紧凑，同时易于维护。 🎉2023-01-21 update: link [python] 添加含有文字的图像方向分类模块，具体参见Rapid Orientation ⚽2022-12-19 update: link [python] 添加表格结构还原模块，具体参见Rapid Table 🤖2022-12-14 update: link [python] 将配置参数和模型移到模块里面，同时将模型打到whl包内，可以直接pip安装使用，更加方便快捷。 详情参见：README 🧻2022-11-20 update: link [python] 添加版面分析部分,支持中文、英文和表格三种版面的检测分析。详情参见:Rapid Structure部分。 🎃2022-11-01 update: link 添加Hugging Face Demo, 增加可以调节超参数的功能，详情可访问Hugging Face Demo 🚩2022-10-01 udpate: link 修复python部分下一些较小bugs merge来自AutumnSun1996的OCRWeb实现的多语言部署demo，详情参见：ocrweb_mutli-README 添加onnxruntime-gpu推理速度较慢于CPU的问题说明，详情参见：onnxruntime-gpu版相关说明 🛴2022-09-01 update: link 由于openvino发布了2022.2.0.dev20220829版本，该版本解决了cls部分模型推理的问题。至此，基于openvino的rapidocr完成了统一，全部由openvino推理引擎完成。 详细使用方法参见：python/README 🧸2022-08-17 update: link python/ocrweb部分 v1.1.0发布，详情参见v1.1.0 🕶2022-08-14 update: link ocrweb部分增加以API方式部署调用的功能，可以通过发送POST请求，来获得OCR识别结果。 详情参见：API方式调用 ✨2022-07-07 update: link 修复python版中v3 rec推理bug，并将v3 rec与v2 rec合并为同一套推理代码，更加简洁和方便 添加python模块下的单元测试 该页面添加致谢模块，感谢为这个项目作出贡献的小伙伴。 😁2022-07-05 update: link 添加对单行文本的处理能力，对于单行文本，可自行设定阈值，不过检测模块，直接识别即可。详情参见README 优化python部分代码逻辑，更优雅简洁。 🏝2022-06-30 update: link python推理部分，增加参数选择使用GPU推理的配置选项，在正确安装onnxruntime-gpu版本前提下，可以一键使用（Fix issue#30） 具体基于GPU的推理情况，需要等我后续整理一下，再更新出来 详情参见：onnxruntime-gpu版推理配置 📌2022-06-25 update: link 重新整理python部分推理代码，将常用调节参数全部放到yaml文件中，便于调节，更加容易使用 详情参见：README 🍿2022-05-15 udpate: link 增加PaddleOCR v3 rec模型转换后的ONNX模型，直接去网盘下载替换即可。(百度网盘 | Google Drive) 增加文本识别模型各个版本效果对比表格，详情点击各个版本ONNX模型效果对比。v3的文本识别模型从自己构建测试集上的指标来看不如之前的好。 😀2022-05-12 upadte link 增加PaddleOCR v3 det模型转换的ONNX模型，直接去网盘下载，替换即可。(百度网盘 | Google Drive) 增加各个版本文本检测模型效果对比表格，详情点击各个版本ONNX模型效果对比。v3的文本检测模型从指标来看是好于之前的v2的，推荐使用。 🎧2022-04-04 udpate: link 增加python下的基于OpenVINO推理引擎的支持 给出OpenVINO和ONNXRuntime的性能对比表格 详情参见:python/README 2022-02-24 udpate: link 优化python目录下的推理代码 添加调用不同语言模型的推理代码示例 详情参见：python/onnxruntime_infer/README 2021-12-18 udpate: link 添加Google Colab Demo 2021-11-28 udpate: link 更新ocrweb部分 添加显示各个阶段处理时间 更新说明文档 更换文本检测模型为ch_PP-OCRv2_det_infer.onnx,推理更快，更准 2021-11-13 udpate: link 添加python版本中文本检测和识别可调节的超参数，主要有box_thresh|unclip_ratio|text_score，详情见参数调节 将文本识别中字典位置以参数方式给出，便于灵活配置，详情见keys_path 2021-10-27 udpate: link 添加使用onnxruntime-gpu版推理的代码（不过gpu版本的onnxruntime不太好用，按照官方教程配置，感觉没有调用起来GPU） 具体使用步骤参见: onnxruntime-gpu推理配置 2021-09-13 udpate: link 添加基于python的whl文件，便于使用，详情参见release/python_sdk 2021-09-11 udpate: link 添加PP-OCRv2新增模型onnx版本 使用方法推理代码不变，直接替换对应模型即可。 经过在自有测试集上评测： PP-OCRv2检测模型效果有大幅度提升，模型大小没变。 PP-OCRv2识别模型效果无明显提升，模型大小增加了3.58M。 模型上传到百度网盘 提取码：30jv 2021-08-07 udpate: link PP-Structure 表格结构和cell坐标预测 正在整理中 之前做的,未完成的，欢迎提PR 打Dokcer镜像 尝试onnxruntime-gpu推理 2021-07-17 udpate: link 完善README文档 增加英文、数字识别onnx模型，具体参见python/en_number_ppocr_mobile_v2_rec，用法同其他 整理一下模型转onnx 2021-07-04 udpate: link 目前仓库下的python程序已经可以在树莓派4B上，成功运行，详细信息请进群，询问群主 更新整体结构图，添加树莓派的支持 2021-06-20 udpate: link 优化ocrweb中识别结果显示，同时添加识别动图演示 更新datasets目录，添加一些常用数据库链接(搬运一下^-^) 更新FAQ 2021-06-10 udpate: link 添加server版文本识别模型，详情见提取码：30jv 2021-06-08 udpate: link 整理仓库，统一模型下载路径 完善相关说明文档 2021-03-24 udpate: link 新模型已经完全兼容ONNXRuntime 1.7 或更高版本。 特别感谢：@Channingss 新版onnxruntime比1.6.0 性能提升40%以上。 "
+                description: "🛠️2024-05-15 v1.3.19 update: link 因为DirectML受支持设备限制，因此将DirectML作为一个选项写入配置文件，选择性调用 在Windows平台仍然恢复到v1.3.18前，默认安装onnxruntime库。如DirectML可用，且显式指定时，需要手动安装。 相关讨论：PR #178 Discussion #175 🧚🏻‍♀️2024-05-12 v1.3.18 update: link Merge PR #176 支持python 3.12 🔥2024-04-19 v1.3.17 update: link Merge PR 修复issue #170 📘2024-04-07 v1.3.16 update: link修复issue #161 🍿2024-03-07 v1.3.15 update: link 修复 issue #158 增加三个推理引擎（onnxruntime、openvino，paddlepaddle）初始化RapidOCR类，指定线程数的参数 🎂2024-03-05 v1.3.14 update: link添加可使用的CPU核心数，包括三个推理引擎，onnxruntime/OpenVINO/PaddlePaddle 🔖2024-02-28 v1.3.13 update: link 优化LoadImage类，添加对输入PIL.Image.Image的支持 修复不同输入类型下，图像通道顺序不同的问题 🍉2024-02-27 v1.3.12 update: link可视化函数适配Pillow v9和v10两个版本，自动根据各个版本情况，来选择相应获得char大小的函数 ♥️2024-02-04 v1.3.11 update: linkMerge PR #151 by LWQ2EDU 添加自动padding策略：当传入图像小于min_height或者\u003ewidth_height_ratio时，会触发自动padding图像，后续再进入检测。 ⚠️注意：padding值多少？当前值是一个权衡设置，大家可根据具体使用场景，自定设置合适值。 🌈2024-01-30 v1.3.10 update: link 修复get_boxes_img_without_det bug by AuroraWright 🥰2023-12-28 v1.",
+                content: "🛠️2024-05-15 v1.3.19 update: link 因为DirectML受支持设备限制，因此将DirectML作为一个选项写入配置文件，选择性调用 在Windows平台仍然恢复到v1.3.18前，默认安装onnxruntime库。如DirectML可用，且显式指定时，需要手动安装。 相关讨论：PR #178 Discussion #175 🧚🏻‍♀️2024-05-12 v1.3.18 update: link Merge PR #176 支持python 3.12 🔥2024-04-19 v1.3.17 update: link Merge PR 修复issue #170 📘2024-04-07 v1.3.16 update: link修复issue #161\n🍿2024-03-07 v1.3.15 update: link 修复 issue #158 增加三个推理引擎（onnxruntime、openvino，paddlepaddle）初始化RapidOCR类，指定线程数的参数 🎂2024-03-05 v1.3.14 update: link添加可使用的CPU核心数，包括三个推理引擎，onnxruntime/OpenVINO/PaddlePaddle\n🔖2024-02-28 v1.3.13 update: link 优化LoadImage类，添加对输入PIL.Image.Image的支持 修复不同输入类型下，图像通道顺序不同的问题 🍉2024-02-27 v1.3.12 update: link可视化函数适配Pillow v9和v10两个版本，自动根据各个版本情况，来选择相应获得char大小的函数\n♥️2024-02-04 v1.3.11 update: linkMerge PR #151 by LWQ2EDU\n添加自动padding策略：当传入图像小于min_height或者\u003ewidth_height_ratio时，会触发自动padding图像，后续再进入检测。 ⚠️注意：padding值多少？当前值是一个权衡设置，大家可根据具体使用场景，自定设置合适值。 🌈2024-01-30 v1.3.10 update: link 修复get_boxes_img_without_det bug by AuroraWright 🥰2023-12-28 v1.3.9 update: link 优化rapidocr系列库主函数代码逻辑，便于小伙伴们二次开发 Merge PR #141 by theikkila Merge PR #139 by debanjum 😜2023-10-25 v1.3.8 update: link 修复issue #133 📡2023-09-21 v1.3.7 update: link 完善VisRes类在终端情况下的使用 修复auto_text_det的条件错误 🧸2023-09-20 v1.3.6 update: link 添加VisRes类，便于快速可视化结果。详情参见demo.py用法 😀2023-09-20 v1.3.5 update: link Fixed issue #122 ⏰2023-09-18 v1.3.4 update: link 优化更新参数部分的函数实现 🧸2023-09-06 v1.3.2 update: link 修复issue #116 ⭐2023-08-29 v1.3.1 update: link 修复issue #115 🎉2023-08-26 v1.3.0 update: link 将PaddleOCR v4版对应的文本检测和文本识别轻量模型转换为onnx，并打包到whl中。 接口与v1.2.x一致，直接使用即可。 😉2023-07-12 v1.2.12 update: link 在rapidocr_onnxruntime初始化时，添加det_use_cuda、cls_use_cuda、rec_use_cuda参数 兼容配置文件方式传入RapidOCR类中 rapidocr_openvino同理 🎮2023-03-11 v1.2.2 update: link 修复实例化python中RapidOCR类传入参数错误 🧢2023-03-07 v1.2.1 update: link rapidocr系列包更新到v1.2.0 优化python下rapidocr系列包的接口传入参数，支持实例化类时，动态给定各个参数，更加灵活。 如果不指定，则用config.yaml下的默认参数。 具体可参见：传入参数 ⛸2023-02-16 update: link 优化ocrweb部分代码，可直接pip安装，快速使用，详情参见README。 优化python中各个部分的推理代码，更加紧凑，同时易于维护。 🎉2023-01-21 update: link [python] 添加含有文字的图像方向分类模块，具体参见Rapid Orientation ⚽2022-12-19 update: link [python] 添加表格结构还原模块，具体参见Rapid Table 🤖2022-12-14 update: link [python] 将配置参数和模型移到模块里面，同时将模型打到whl包内，可以直接pip安装使用，更加方便快捷。 详情参见：README 🧻2022-11-20 update: link [python] 添加版面分析部分,支持中文、英文和表格三种版面的检测分析。详情参见:Rapid Structure部分。 🎃2022-11-01 update: link 添加Hugging Face Demo, 增加可以调节超参数的功能，详情可访问Hugging Face Demo 🚩2022-10-01 udpate: link 修复python部分下一些较小bugs merge来自AutumnSun1996的OCRWeb实现的多语言部署demo，详情参见：ocrweb_mutli-README 添加onnxruntime-gpu推理速度较慢于CPU的问题说明，详情参见：onnxruntime-gpu版相关说明 🛴2022-09-01 update: link 由于openvino发布了2022.2.0.dev20220829版本，该版本解决了cls部分模型推理的问题。至此，基于openvino的rapidocr完成了统一，全部由openvino推理引擎完成。 详细使用方法参见：python/README 🧸2022-08-17 update: link python/ocrweb部分 v1.1.0发布，详情参见v1.1.0 🕶2022-08-14 update: link ocrweb部分增加以API方式部署调用的功能，可以通过发送POST请求，来获得OCR识别结果。 详情参见：API方式调用 ✨2022-07-07 update: link 修复python版中v3 rec推理bug，并将v3 rec与v2 rec合并为同一套推理代码，更加简洁和方便 添加python模块下的单元测试 该页面添加致谢模块，感谢为这个项目作出贡献的小伙伴。 😁2022-07-05 update: link 添加对单行文本的处理能力，对于单行文本，可自行设定阈值，不过检测模块，直接识别即可。详情参见README 优化python部分代码逻辑，更优雅简洁。 🏝2022-06-30 update: link python推理部分，增加参数选择使用GPU推理的配置选项，在正确安装onnxruntime-gpu版本前提下，可以一键使用（Fix issue#30） 具体基于GPU的推理情况，需要等我后续整理一下，再更新出来 详情参见：onnxruntime-gpu版推理配置 📌2022-06-25 update: link 重新整理python部分推理代码，将常用调节参数全部放到yaml文件中，便于调节，更加容易使用 详情参见：README 🍿2022-05-15 udpate: link 增加PaddleOCR v3 rec模型转换后的ONNX模型，直接去网盘下载替换即可。(百度网盘 | Google Drive) 增加文本识别模型各个版本效果对比表格，详情点击各个版本ONNX模型效果对比。v3的文本识别模型从自己构建测试集上的指标来看不如之前的好。 😀2022-05-12 upadte link 增加PaddleOCR v3 det模型转换的ONNX模型，直接去网盘下载，替换即可。(百度网盘 | Google Drive) 增加各个版本文本检测模型效果对比表格，详情点击各个版本ONNX模型效果对比。v3的文本检测模型从指标来看是好于之前的v2的，推荐使用。 🎧2022-04-04 udpate: link 增加python下的基于OpenVINO推理引擎的支持 给出OpenVINO和ONNXRuntime的性能对比表格 详情参见:python/README 2022-02-24 udpate: link 优化python目录下的推理代码 添加调用不同语言模型的推理代码示例 详情参见：python/onnxruntime_infer/README 2021-12-18 udpate: link 添加Google Colab Demo 2021-11-28 udpate: link 更新ocrweb部分 添加显示各个阶段处理时间 更新说明文档 更换文本检测模型为ch_PP-OCRv2_det_infer.onnx,推理更快，更准 2021-11-13 udpate: link 添加python版本中文本检测和识别可调节的超参数，主要有box_thresh|unclip_ratio|text_score，详情见参数调节 将文本识别中字典位置以参数方式给出，便于灵活配置，详情见keys_path 2021-10-27 udpate: link 添加使用onnxruntime-gpu版推理的代码（不过gpu版本的onnxruntime不太好用，按照官方教程配置，感觉没有调用起来GPU） 具体使用步骤参见: onnxruntime-gpu推理配置 2021-09-13 udpate: link 添加基于python的whl文件，便于使用，详情参见release/python_sdk 2021-09-11 udpate: link 添加PP-OCRv2新增模型onnx版本 使用方法推理代码不变，直接替换对应模型即可。 经过在自有测试集上评测： PP-OCRv2检测模型效果有大幅度提升，模型大小没变。 PP-OCRv2识别模型效果无明显提升，模型大小增加了3.58M。 模型上传到百度网盘 提取码：30jv 2021-08-07 udpate: link PP-Structure 表格结构和cell坐标预测 正在整理中 之前做的,未完成的，欢迎提PR 打Dokcer镜像 尝试onnxruntime-gpu推理 2021-07-17 udpate: link 完善README文档 增加英文、数字识别onnx模型，具体参见python/en_number_ppocr_mobile_v2_rec，用法同其他 整理一下模型转onnx 2021-07-04 udpate: link 目前仓库下的python程序已经可以在树莓派4B上，成功运行，详细信息请进群，询问群主 更新整体结构图，添加树莓派的支持 2021-06-20 udpate: link 优化ocrweb中识别结果显示，同时添加识别动图演示 更新datasets目录，添加一些常用数据库链接(搬运一下^-^) 更新FAQ 2021-06-10 udpate: link 添加server版文本识别模型，详情见提取码：30jv 2021-06-08 udpate: link 整理仓库，统一模型下载路径 完善相关说明文档 2021-03-24 udpate: link 新模型已经完全兼容ONNXRuntime 1.7 或更高版本。 特别感谢：@Channingss 新版onnxruntime比1.6.0 性能提升40%以上。 "
             }
         );
     index.add(
diff --git a/docs/changelog/index.html b/docs/changelog/index.html
index 3ba1c886..928c0981 100644
--- a/docs/changelog/index.html
+++ b/docs/changelog/index.html
@@ -1336,7 +1336,7 @@ 

                 id:  10 ,
                 href: "\/RapidOCRDocs\/docs\/install_usage\/rapidocr\/usage\/",
                 title: "使用说明",
-                description: "初始化 link类RapidOCR是主类，其初始化函数如下：\nclass RapidOCR: def __init__(self, config_path: Optional[str] = None, **kwargs): pass 支持两种自定义传参数的方案，下面分别详细说明：\n以config.yaml方式\n找到rapidocr_onnxruntime安装目录下的config.yaml文件，可以通过pip show rapidocr_onnxruntime找到其安装路径。 将config.yaml拷贝出来，放到当前运行目录下 按需自定义参数修改即可，具体参数解释，参见config.yaml engine = RapidOCR(config_path=\"your.yaml\") (推荐) 以具体参数传入，参数基本和config.yaml中对应，只是个别名称有所区别。\ninfo 以下参数均有默认值，可以不传入任何参数，直接初始化使用即可。intra_op_num_threads和inter_op_num_threads仅是rapidocr_onnxruntime版本下的，其他推理引擎，请参见各自源码 class RapidOCR: def __init__( self, text_score: float = 0.5, print_verbose: bool = False, min_height: int = 30, width_height_ratio: float = 8, det_use_cuda: bool = False, det_model_path: Optional[str] = None, det_limit_side_len: float = 736, det_limit_type: str = \"min\", det_thresh: float = 0.3, det_box_thresh: float = 0.",
+                description: "初始化 link类RapidOCR是主类，其初始化函数如下：\nclass RapidOCR: def __init__(self, config_path: Optional[str] = None, **kwargs): pass 支持两种自定义传参数的方案，下面分别详细说明：\n以config.yaml方式\n找到rapidocr_onnxruntime安装目录下的config.yaml文件，可以通过pip show rapidocr_onnxruntime找到其安装路径。 将config.yaml拷贝出来，放到当前运行目录下 按需自定义参数修改即可，具体参数解释，参见config.yaml engine = RapidOCR(config_path=\"your.yaml\") (推荐) 以具体参数传入，参数基本和config.yaml中对应，只是个别名称有所区别。\ninfo 以下参数均有默认值，可以不传入任何参数，直接初始化使用即可。intra_op_num_threads和inter_op_num_threads仅是rapidocr_onnxruntime版本下的，其他推理引擎，请参见各自源码 class RapidOCR: def __init__( self, text_score: float = 0.5, print_verbose: bool = False, min_height: int = 30, width_height_ratio: float = 8, det_use_cuda: bool = False, det_use_dml: bool = False, det_model_path: Optional[str] = None, det_limit_side_len: float = 736, det_limit_type: str = \"min\", det_thresh: float = 0.",
                 content: "初始化 link类RapidOCR是主类，其初始化函数如下：\nclass RapidOCR: def __init__(self, config_path: Optional[str] = None, **kwargs): pass 支持两种自定义传参数的方案，下面分别详细说明：\n以config.yaml方式\n找到rapidocr_onnxruntime安装目录下的config.yaml文件，可以通过pip show rapidocr_onnxruntime找到其安装路径。 将config.yaml拷贝出来，放到当前运行目录下 按需自定义参数修改即可，具体参数解释，参见"
             }
         );
@@ -1588,8 +1588,8 @@ 

                 id:  38 ,
                 href: "\/RapidOCRDocs\/docs\/blog\/02_config_parameter\/",
                 title: "config.yaml参数解释",
-                description: "notifications 该部分以rapidocr_onnxruntime库下config.yaml为例作讲解，其他推理引擎相关配置，请移步具体源码查看。 config.yaml源码 link 详情 Global: text_score: 0.5 use_det: true use_cls: true use_rec: true print_verbose: false min_height: 30 width_height_ratio: 8 use_cuda: \u0026use_cuda false intra_op_num_threads: \u0026intra_nums -1 inter_op_num_threads: \u0026inter_nums -1 Det: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_PP-OCRv4_det_infer.onnx limit_side_len: 736 limit_type: min thresh: 0.3 box_thresh: 0.5 max_candidates: 1000 unclip_ratio: 1.6 use_dilation: true score_mode: fast Cls: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_ppocr_mobile_v2.0_cls_infer.onnx cls_image_shape: [3, 48, 192] cls_batch_num: 6 cls_thresh: 0.",
-                content: " notifications 该部分以rapidocr_onnxruntime库下config.yaml为例作讲解，其他推理引擎相关配置，请移步具体源码查看。 config.yaml源码 link 详情 Global: text_score: 0.5 use_det: true use_cls: true use_rec: true print_verbose: false min_height: 30 width_height_ratio: 8 use_cuda: \u0026use_cuda false intra_op_num_threads: \u0026intra_nums -1 inter_op_num_threads: \u0026inter_nums -1 Det: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_PP-OCRv4_det_infer.onnx limit_side_len: 736 limit_type: min thresh: 0.3 box_thresh: 0.5 max_candidates: 1000 unclip_ratio: 1.6 use_dilation: true score_mode: fast Cls: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_ppocr_mobile_v2.0_cls_infer.onnx cls_image_shape: [3, 48, 192] cls_batch_num: 6 cls_thresh: 0.9 label_list: ['0', '180'] Rec: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: *use_cuda model_path: models/ch_PP-OCRv4_rec_infer.onnx rec_img_shape: [3, 48, 320] rec_batch_num: 6 Global部分 link 参数名称 取值范围 默认值 作用 text_score [0, 1] 0.5 文本识别结果置信度，值越大，把握越大 use_angle_cls bool true 是否使用文本行的方向分类 print_verbose bool true 是否打印各个部分耗时信息 min_height int 30 图像最小高度（单位是像素）低于这个值，会跳过文本检测阶段，直接进行后续识别 width_height_ratio int 8 如果输入图像的宽高比大于width_height_ratio，则会跳过文本检测，直接进行后续识别width_height_ratio=-1：不用这个参数 use_cuda bool false 是否使用CUDA，加速推理 intra_op_num_threads int -1 参见docs inter_op_num_threads int -1 参见docs min_height是用来过滤只有一行文本的图像（如下图），这类图像不会进入文本检测模块，直接进入后续过程。\nDet部分 link 参数名称 取值范围 默认值 作用 use_cuda bool false 是否使用CUDA，加速推理 limit_side_len - 736 限制图像边的长度的像素值 limit_type [min, max] min 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。 thresh [0, 1] 0.3 图像中文字部分和背景部分分割阈值值越大，文字部分会越小 box_thresh [0, 1] 0.5 文本检测所得框是否保留的阈值，值越大，召回率越低 max_candidates - 1000 图像中最大可检测到的文本框数目，一般够用 unclip_ratio [1.6, 2.0] 1.6 控制文本检测框的大小，值越大，检测框整体越大 use_dilation bool true 是否使用形态学中的膨胀操作，一般采用默认值即可 score_mode string fast fast是求rectangle区域的平均分数，容易造成弯曲文本漏检，slow是求polygon区域的平均分数，会更准确，但速度有所降低，可按需选择 Cls部分 link 参数名称 取值范围 默认值 作用 cls_img_shape - [3, 48, 192] 输入方向分类模型的图像Shape（CHW） cls_batch_num - 6 批次推理的batch大小，一般采用默认值即可，太大并没有明显提速，效果还可能会差 cls_thresh [0, 1] 0.9 方向分类结果的置信度 label_list - [0, 180] 方向分类的标签，0°或者180°，该参数不能动 Rec部分 link 参数名称 取值范围 默认值 作用 rec_img_shape - [3, 48, 320] 输入文本识别模型的图像Shape（CHW） rec_batch_num - 6 批次推理的batch大小，一般采用默认值即可，太大并没有明显提速，效果还可能会差 "
+                description: "notifications 该部分以rapidocr_onnxruntime库下config.yaml为例作讲解，其他推理引擎相关配置，请移步具体源码查看。 config.yaml源码 link 详情 Global: text_score: 0.5 use_det: true use_cls: true use_rec: true print_verbose: false min_height: 30 width_height_ratio: 8 intra_op_num_threads: \u0026intra_nums -1 inter_op_num_threads: \u0026inter_nums -1 Det: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_PP-OCRv4_det_infer.onnx limit_side_len: 736 limit_type: min thresh: 0.3 box_thresh: 0.5 max_candidates: 1000 unclip_ratio: 1.6 use_dilation: true score_mode: fast Cls: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_ppocr_mobile_v2.0_cls_infer.onnx cls_image_shape: [3, 48, 192] cls_batch_num: 6 cls_thresh: 0.",
+                content: " notifications 该部分以rapidocr_onnxruntime库下config.yaml为例作讲解，其他推理引擎相关配置，请移步具体源码查看。 config.yaml源码 link 详情 Global: text_score: 0.5 use_det: true use_cls: true use_rec: true print_verbose: false min_height: 30 width_height_ratio: 8 intra_op_num_threads: \u0026intra_nums -1 inter_op_num_threads: \u0026inter_nums -1 Det: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_PP-OCRv4_det_infer.onnx limit_side_len: 736 limit_type: min thresh: 0.3 box_thresh: 0.5 max_candidates: 1000 unclip_ratio: 1.6 use_dilation: true score_mode: fast Cls: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_ppocr_mobile_v2.0_cls_infer.onnx cls_image_shape: [3, 48, 192] cls_batch_num: 6 cls_thresh: 0.9 label_list: ['0', '180'] Rec: intra_op_num_threads: *intra_nums inter_op_num_threads: *inter_nums use_cuda: false use_dml: false model_path: models/ch_PP-OCRv4_rec_infer.onnx rec_img_shape: [3, 48, 320] rec_batch_num: 6 Global部分 link 参数名称 取值范围 默认值 作用 text_score [0, 1] 0.5 文本识别结果置信度，值越大，把握越大 use_angle_cls bool true 是否使用文本行的方向分类 print_verbose bool true 是否打印各个部分耗时信息 min_height int 30 图像最小高度（单位是像素）低于这个值，会跳过文本检测阶段，直接进行后续识别 width_height_ratio int 8 如果输入图像的宽高比大于width_height_ratio，则会跳过文本检测，直接进行后续识别width_height_ratio=-1：不用这个参数 intra_op_num_threads int -1 参见docs inter_op_num_threads int -1 参见docs min_height是用来过滤只有一行文本的图像（如下图），这类图像不会进入文本检测模块，直接进入后续过程。\nDet部分 link 参数名称 取值范围 默认值 作用 use_cuda bool false 是否使用CUDA加速推理 use_dml bool false 是否使用DirectML加速推理(仅限于Window10及以上) limit_side_len - 736 限制图像边的长度的像素值 limit_type [min, max] min 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。 thresh [0, 1] 0.3 图像中文字部分和背景部分分割阈值值越大，文字部分会越小 box_thresh [0, 1] 0.5 文本检测所得框是否保留的阈值，值越大，召回率越低 max_candidates - 1000 图像中最大可检测到的文本框数目，一般够用 unclip_ratio [1.6, 2.0] 1.6 控制文本检测框的大小，值越大，检测框整体越大 use_dilation bool true 是否使用形态学中的膨胀操作，一般采用默认值即可 score_mode string fast fast是求rectangle区域的平均分数，容易造成弯曲文本漏检，slow是求polygon区域的平均分数，会更准确，但速度有所降低，可按需选择 Cls部分 link 参数名称 取值范围 默认值 作用 cls_img_shape - [3, 48, 192] 输入方向分类模型的图像Shape（CHW） cls_batch_num - 6 批次推理的batch大小，一般采用默认值即可，太大并没有明显提速，效果还可能会差 cls_thresh [0, 1] 0.9 方向分类结果的置信度 label_list - [0, 180] 方向分类的标签，0°或者180°，该参数不能动 Rec部分 link 参数名称 取值范围 默认值 作用 rec_img_shape - [3, 48, 320] 输入文本识别模型的图像Shape（CHW） rec_batch_num - 6 批次推理的batch大小，一般采用默认值即可，太大并没有明显提速，效果还可能会差 "
             }
         );
     index.add(
@@ -1651,8 +1651,8 @@ 

                 id:  45 ,
                 href: "\/RapidOCRDocs\/docs\/changelog\/rapidocr\/",
                 title: "rapidocr_onnxruntime/openvino",
-                description: "🧚🏻‍♀️2024-05-12 v1.3.18 update: link Merge PR #176 支持python 3.12 🔥2024-04-19 v1.3.17 update: link Merge PR 修复issue #170 📘2024-04-07 v1.3.16 update: link修复issue #161 🍿2024-03-07 v1.3.15 update: link 修复 issue #158 增加三个推理引擎（onnxruntime、openvino，paddlepaddle）初始化RapidOCR类，指定线程数的参数 🎂2024-03-05 v1.3.14 update: link添加可使用的CPU核心数，包括三个推理引擎，onnxruntime/OpenVINO/PaddlePaddle 🔖2024-02-28 v1.3.13 update: link 优化LoadImage类，添加对输入PIL.Image.Image的支持 修复不同输入类型下，图像通道顺序不同的问题 🍉2024-02-27 v1.3.12 update: link可视化函数适配Pillow v9和v10两个版本，自动根据各个版本情况，来选择相应获得char大小的函数 ♥️2024-02-04 v1.3.11 update: linkMerge PR #151 by LWQ2EDU 添加自动padding策略：当传入图像小于min_height或者\u003ewidth_height_ratio时，会触发自动padding图像，后续再进入检测。 ⚠️注意：padding值多少？当前值是一个权衡设置，大家可根据具体使用场景，自定设置合适值。 🌈2024-01-30 v1.3.10 update: link 修复get_boxes_img_without_det bug by AuroraWright 🥰2023-12-28 v1.3.9 update: link 优化rapidocr系列库主函数代码逻辑，便于小伙伴们二次开发 Merge PR #141 by theikkila Merge PR #139 by debanjum 😜2023-10-25 v1.",
-                content: "🧚🏻‍♀️2024-05-12 v1.3.18 update: link Merge PR #176 支持python 3.12 🔥2024-04-19 v1.3.17 update: link Merge PR 修复issue #170 📘2024-04-07 v1.3.16 update: link修复issue #161\n🍿2024-03-07 v1.3.15 update: link 修复 issue #158 增加三个推理引擎（onnxruntime、openvino，paddlepaddle）初始化RapidOCR类，指定线程数的参数 🎂2024-03-05 v1.3.14 update: link添加可使用的CPU核心数，包括三个推理引擎，onnxruntime/OpenVINO/PaddlePaddle\n🔖2024-02-28 v1.3.13 update: link 优化LoadImage类，添加对输入PIL.Image.Image的支持 修复不同输入类型下，图像通道顺序不同的问题 🍉2024-02-27 v1.3.12 update: link可视化函数适配Pillow v9和v10两个版本，自动根据各个版本情况，来选择相应获得char大小的函数\n♥️2024-02-04 v1.3.11 update: linkMerge PR #151 by LWQ2EDU\n添加自动padding策略：当传入图像小于min_height或者\u003ewidth_height_ratio时，会触发自动padding图像，后续再进入检测。 ⚠️注意：padding值多少？当前值是一个权衡设置，大家可根据具体使用场景，自定设置合适值。 🌈2024-01-30 v1.3.10 update: link 修复get_boxes_img_without_det bug by AuroraWright 🥰2023-12-28 v1.3.9 update: link 优化rapidocr系列库主函数代码逻辑，便于小伙伴们二次开发 Merge PR #141 by theikkila Merge PR #139 by debanjum 😜2023-10-25 v1.3.8 update: link 修复issue #133 📡2023-09-21 v1.3.7 update: link 完善VisRes类在终端情况下的使用 修复auto_text_det的条件错误 🧸2023-09-20 v1.3.6 update: link 添加VisRes类，便于快速可视化结果。详情参见demo.py用法 😀2023-09-20 v1.3.5 update: link Fixed issue #122 ⏰2023-09-18 v1.3.4 update: link 优化更新参数部分的函数实现 🧸2023-09-06 v1.3.2 update: link 修复issue #116 ⭐2023-08-29 v1.3.1 update: link 修复issue #115 🎉2023-08-26 v1.3.0 update: link 将PaddleOCR v4版对应的文本检测和文本识别轻量模型转换为onnx，并打包到whl中。 接口与v1.2.x一致，直接使用即可。 😉2023-07-12 v1.2.12 update: link 在rapidocr_onnxruntime初始化时，添加det_use_cuda、cls_use_cuda、rec_use_cuda参数 兼容配置文件方式传入RapidOCR类中 rapidocr_openvino同理 🎮2023-03-11 v1.2.2 update: link 修复实例化python中RapidOCR类传入参数错误 🧢2023-03-07 v1.2.1 update: link rapidocr系列包更新到v1.2.0 优化python下rapidocr系列包的接口传入参数，支持实例化类时，动态给定各个参数，更加灵活。 如果不指定，则用config.yaml下的默认参数。 具体可参见：传入参数 ⛸2023-02-16 update: link 优化ocrweb部分代码，可直接pip安装，快速使用，详情参见README。 优化python中各个部分的推理代码，更加紧凑，同时易于维护。 🎉2023-01-21 update: link [python] 添加含有文字的图像方向分类模块，具体参见Rapid Orientation ⚽2022-12-19 update: link [python] 添加表格结构还原模块，具体参见Rapid Table 🤖2022-12-14 update: link [python] 将配置参数和模型移到模块里面，同时将模型打到whl包内，可以直接pip安装使用，更加方便快捷。 详情参见：README 🧻2022-11-20 update: link [python] 添加版面分析部分,支持中文、英文和表格三种版面的检测分析。详情参见:Rapid Structure部分。 🎃2022-11-01 update: link 添加Hugging Face Demo, 增加可以调节超参数的功能，详情可访问Hugging Face Demo 🚩2022-10-01 udpate: link 修复python部分下一些较小bugs merge来自AutumnSun1996的OCRWeb实现的多语言部署demo，详情参见：ocrweb_mutli-README 添加onnxruntime-gpu推理速度较慢于CPU的问题说明，详情参见：onnxruntime-gpu版相关说明 🛴2022-09-01 update: link 由于openvino发布了2022.2.0.dev20220829版本，该版本解决了cls部分模型推理的问题。至此，基于openvino的rapidocr完成了统一，全部由openvino推理引擎完成。 详细使用方法参见：python/README 🧸2022-08-17 update: link python/ocrweb部分 v1.1.0发布，详情参见v1.1.0 🕶2022-08-14 update: link ocrweb部分增加以API方式部署调用的功能，可以通过发送POST请求，来获得OCR识别结果。 详情参见：API方式调用 ✨2022-07-07 update: link 修复python版中v3 rec推理bug，并将v3 rec与v2 rec合并为同一套推理代码，更加简洁和方便 添加python模块下的单元测试 该页面添加致谢模块，感谢为这个项目作出贡献的小伙伴。 😁2022-07-05 update: link 添加对单行文本的处理能力，对于单行文本，可自行设定阈值，不过检测模块，直接识别即可。详情参见README 优化python部分代码逻辑，更优雅简洁。 🏝2022-06-30 update: link python推理部分，增加参数选择使用GPU推理的配置选项，在正确安装onnxruntime-gpu版本前提下，可以一键使用（Fix issue#30） 具体基于GPU的推理情况，需要等我后续整理一下，再更新出来 详情参见：onnxruntime-gpu版推理配置 📌2022-06-25 update: link 重新整理python部分推理代码，将常用调节参数全部放到yaml文件中，便于调节，更加容易使用 详情参见：README 🍿2022-05-15 udpate: link 增加PaddleOCR v3 rec模型转换后的ONNX模型，直接去网盘下载替换即可。(百度网盘 | Google Drive) 增加文本识别模型各个版本效果对比表格，详情点击各个版本ONNX模型效果对比。v3的文本识别模型从自己构建测试集上的指标来看不如之前的好。 😀2022-05-12 upadte link 增加PaddleOCR v3 det模型转换的ONNX模型，直接去网盘下载，替换即可。(百度网盘 | Google Drive) 增加各个版本文本检测模型效果对比表格，详情点击各个版本ONNX模型效果对比。v3的文本检测模型从指标来看是好于之前的v2的，推荐使用。 🎧2022-04-04 udpate: link 增加python下的基于OpenVINO推理引擎的支持 给出OpenVINO和ONNXRuntime的性能对比表格 详情参见:python/README 2022-02-24 udpate: link 优化python目录下的推理代码 添加调用不同语言模型的推理代码示例 详情参见：python/onnxruntime_infer/README 2021-12-18 udpate: link 添加Google Colab Demo 2021-11-28 udpate: link 更新ocrweb部分 添加显示各个阶段处理时间 更新说明文档 更换文本检测模型为ch_PP-OCRv2_det_infer.onnx,推理更快，更准 2021-11-13 udpate: link 添加python版本中文本检测和识别可调节的超参数，主要有box_thresh|unclip_ratio|text_score，详情见参数调节 将文本识别中字典位置以参数方式给出，便于灵活配置，详情见keys_path 2021-10-27 udpate: link 添加使用onnxruntime-gpu版推理的代码（不过gpu版本的onnxruntime不太好用，按照官方教程配置，感觉没有调用起来GPU） 具体使用步骤参见: onnxruntime-gpu推理配置 2021-09-13 udpate: link 添加基于python的whl文件，便于使用，详情参见release/python_sdk 2021-09-11 udpate: link 添加PP-OCRv2新增模型onnx版本 使用方法推理代码不变，直接替换对应模型即可。 经过在自有测试集上评测： PP-OCRv2检测模型效果有大幅度提升，模型大小没变。 PP-OCRv2识别模型效果无明显提升，模型大小增加了3.58M。 模型上传到百度网盘 提取码：30jv 2021-08-07 udpate: link PP-Structure 表格结构和cell坐标预测 正在整理中 之前做的,未完成的，欢迎提PR 打Dokcer镜像 尝试onnxruntime-gpu推理 2021-07-17 udpate: link 完善README文档 增加英文、数字识别onnx模型，具体参见python/en_number_ppocr_mobile_v2_rec，用法同其他 整理一下模型转onnx 2021-07-04 udpate: link 目前仓库下的python程序已经可以在树莓派4B上，成功运行，详细信息请进群，询问群主 更新整体结构图，添加树莓派的支持 2021-06-20 udpate: link 优化ocrweb中识别结果显示，同时添加识别动图演示 更新datasets目录，添加一些常用数据库链接(搬运一下^-^) 更新FAQ 2021-06-10 udpate: link 添加server版文本识别模型，详情见提取码：30jv 2021-06-08 udpate: link 整理仓库，统一模型下载路径 完善相关说明文档 2021-03-24 udpate: link 新模型已经完全兼容ONNXRuntime 1.7 或更高版本。 特别感谢：@Channingss 新版onnxruntime比1.6.0 性能提升40%以上。 "
+                description: "🛠️2024-05-15 v1.3.19 update: link 因为DirectML受支持设备限制，因此将DirectML作为一个选项写入配置文件，选择性调用 在Windows平台仍然恢复到v1.3.18前，默认安装onnxruntime库。如DirectML可用，且显式指定时，需要手动安装。 相关讨论：PR #178 Discussion #175 🧚🏻‍♀️2024-05-12 v1.3.18 update: link Merge PR #176 支持python 3.12 🔥2024-04-19 v1.3.17 update: link Merge PR 修复issue #170 📘2024-04-07 v1.3.16 update: link修复issue #161 🍿2024-03-07 v1.3.15 update: link 修复 issue #158 增加三个推理引擎（onnxruntime、openvino，paddlepaddle）初始化RapidOCR类，指定线程数的参数 🎂2024-03-05 v1.3.14 update: link添加可使用的CPU核心数，包括三个推理引擎，onnxruntime/OpenVINO/PaddlePaddle 🔖2024-02-28 v1.3.13 update: link 优化LoadImage类，添加对输入PIL.Image.Image的支持 修复不同输入类型下，图像通道顺序不同的问题 🍉2024-02-27 v1.3.12 update: link可视化函数适配Pillow v9和v10两个版本，自动根据各个版本情况，来选择相应获得char大小的函数 ♥️2024-02-04 v1.3.11 update: linkMerge PR #151 by LWQ2EDU 添加自动padding策略：当传入图像小于min_height或者\u003ewidth_height_ratio时，会触发自动padding图像，后续再进入检测。 ⚠️注意：padding值多少？当前值是一个权衡设置，大家可根据具体使用场景，自定设置合适值。 🌈2024-01-30 v1.3.10 update: link 修复get_boxes_img_without_det bug by AuroraWright 🥰2023-12-28 v1.",
+                content: "🛠️2024-05-15 v1.3.19 update: link 因为DirectML受支持设备限制，因此将DirectML作为一个选项写入配置文件，选择性调用 在Windows平台仍然恢复到v1.3.18前，默认安装onnxruntime库。如DirectML可用，且显式指定时，需要手动安装。 相关讨论：PR #178 Discussion #175 🧚🏻‍♀️2024-05-12 v1.3.18 update: link Merge PR #176 支持python 3.12 🔥2024-04-19 v1.3.17 update: link Merge PR 修复issue #170 📘2024-04-07 v1.3.16 update: link修复issue #161\n🍿2024-03-07 v1.3.15 update: link 修复 issue #158 增加三个推理引擎（onnxruntime、openvino，paddlepaddle）初始化RapidOCR类，指定线程数的参数 🎂2024-03-05 v1.3.14 update: link添加可使用的CPU核心数，包括三个推理引擎，onnxruntime/OpenVINO/PaddlePaddle\n🔖2024-02-28 v1.3.13 update: link 优化LoadImage类，添加对输入PIL.Image.Image的支持 修复不同输入类型下，图像通道顺序不同的问题 🍉2024-02-27 v1.3.12 update: link可视化函数适配Pillow v9和v10两个版本，自动根据各个版本情况，来选择相应获得char大小的函数\n♥️2024-02-04 v1.3.11 update: linkMerge PR #151 by LWQ2EDU\n添加自动padding策略：当传入图像小于min_height或者\u003ewidth_height_ratio时，会触发自动padding图像，后续再进入检测。 ⚠️注意：padding值多少？当前值是一个权衡设置，大家可根据具体使用场景，自定设置合适值。 🌈2024-01-30 v1.3.10 update: link 修复get_boxes_img_without_det bug by AuroraWright 🥰2023-12-28 v1.3.9 update: link 优化rapidocr系列库主函数代码逻辑，便于小伙伴们二次开发 Merge PR #141 by theikkila Merge PR #139 by debanjum 😜2023-10-25 v1.3.8 update: link 修复issue #133 📡2023-09-21 v1.3.7 update: link 完善VisRes类在终端情况下的使用 修复auto_text_det的条件错误 🧸2023-09-20 v1.3.6 update: link 添加VisRes类，便于快速可视化结果。详情参见demo.py用法 😀2023-09-20 v1.3.5 update: link Fixed issue #122 ⏰2023-09-18 v1.3.4 update: link 优化更新参数部分的函数实现 🧸2023-09-06 v1.3.2 update: link 修复issue #116 ⭐2023-08-29 v1.3.1 update: link 修复issue #115 🎉2023-08-26 v1.3.0 update: link 将PaddleOCR v4版对应的文本检测和文本识别轻量模型转换为onnx，并打包到whl中。 接口与v1.2.x一致，直接使用即可。 😉2023-07-12 v1.2.12 update: link 在rapidocr_onnxruntime初始化时，添加det_use_cuda、cls_use_cuda、rec_use_cuda参数 兼容配置文件方式传入RapidOCR类中 rapidocr_openvino同理 🎮2023-03-11 v1.2.2 update: link 修复实例化python中RapidOCR类传入参数错误 🧢2023-03-07 v1.2.1 update: link rapidocr系列包更新到v1.2.0 优化python下rapidocr系列包的接口传入参数，支持实例化类时，动态给定各个参数，更加灵活。 如果不指定，则用config.yaml下的默认参数。 具体可参见：传入参数 ⛸2023-02-16 update: link 优化ocrweb部分代码，可直接pip安装，快速使用，详情参见README。 优化python中各个部分的推理代码，更加紧凑，同时易于维护。 🎉2023-01-21 update: link [python] 添加含有文字的图像方向分类模块，具体参见Rapid Orientation ⚽2022-12-19 update: link [python] 添加表格结构还原模块，具体参见Rapid Table 🤖2022-12-14 update: link [python] 将配置参数和模型移到模块里面，同时将模型打到whl包内，可以直接pip安装使用，更加方便快捷。 详情参见：README 🧻2022-11-20 update: link [python] 添加版面分析部分,支持中文、英文和表格三种版面的检测分析。详情参见:Rapid Structure部分。 🎃2022-11-01 update: link 添加Hugging Face Demo, 增加可以调节超参数的功能，详情可访问Hugging Face Demo 🚩2022-10-01 udpate: link 修复python部分下一些较小bugs merge来自AutumnSun1996的OCRWeb实现的多语言部署demo，详情参见：ocrweb_mutli-README 添加onnxruntime-gpu推理速度较慢于CPU的问题说明，详情参见：onnxruntime-gpu版相关说明 🛴2022-09-01 update: link 由于openvino发布了2022.2.0.dev20220829版本，该版本解决了cls部分模型推理的问题。至此，基于openvino的rapidocr完成了统一，全部由openvino推理引擎完成。 详细使用方法参见：python/README 🧸2022-08-17 update: link python/ocrweb部分 v1.1.0发布，详情参见v1.1.0 🕶2022-08-14 update: link ocrweb部分增加以API方式部署调用的功能，可以通过发送POST请求，来获得OCR识别结果。 详情参见：API方式调用 ✨2022-07-07 update: link 修复python版中v3 rec推理bug，并将v3 rec与v2 rec合并为同一套推理代码，更加简洁和方便 添加python模块下的单元测试 该页面添加致谢模块，感谢为这个项目作出贡献的小伙伴。 😁2022-07-05 update: link 添加对单行文本的处理能力，对于单行文本，可自行设定阈值，不过检测模块，直接识别即可。详情参见README 优化python部分代码逻辑，更优雅简洁。 🏝2022-06-30 update: link python推理部分，增加参数选择使用GPU推理的配置选项，在正确安装onnxruntime-gpu版本前提下，可以一键使用（Fix issue#30） 具体基于GPU的推理情况，需要等我后续整理一下，再更新出来 详情参见：onnxruntime-gpu版推理配置 📌2022-06-25 update: link 重新整理python部分推理代码，将常用调节参数全部放到yaml文件中，便于调节，更加容易使用 详情参见：README 🍿2022-05-15 udpate: link 增加PaddleOCR v3 rec模型转换后的ONNX模型，直接去网盘下载替换即可。(百度网盘 | Google Drive) 增加文本识别模型各个版本效果对比表格，详情点击各个版本ONNX模型效果对比。v3的文本识别模型从自己构建测试集上的指标来看不如之前的好。 😀2022-05-12 upadte link 增加PaddleOCR v3 det模型转换的ONNX模型，直接去网盘下载，替换即可。(百度网盘 | Google Drive) 增加各个版本文本检测模型效果对比表格，详情点击各个版本ONNX模型效果对比。v3的文本检测模型从指标来看是好于之前的v2的，推荐使用。 🎧2022-04-04 udpate: link 增加python下的基于OpenVINO推理引擎的支持 给出OpenVINO和ONNXRuntime的性能对比表格 详情参见:python/README 2022-02-24 udpate: link 优化python目录下的推理代码 添加调用不同语言模型的推理代码示例 详情参见：python/onnxruntime_infer/README 2021-12-18 udpate: link 添加Google Colab Demo 2021-11-28 udpate: link 更新ocrweb部分 添加显示各个阶段处理时间 更新说明文档 更换文本检测模型为ch_PP-OCRv2_det_infer.onnx,推理更快，更准 2021-11-13 udpate: link 添加python版本中文本检测和识别可调节的超参数，主要有box_thresh|unclip_ratio|text_score，详情见参数调节 将文本识别中字典位置以参数方式给出，便于灵活配置，详情见keys_path 2021-10-27 udpate: link 添加使用onnxruntime-gpu版推理的代码（不过gpu版本的onnxruntime不太好用，按照官方教程配置，感觉没有调用起来GPU） 具体使用步骤参见: onnxruntime-gpu推理配置 2021-09-13 udpate: link 添加基于python的whl文件，便于使用，详情参见release/python_sdk 2021-09-11 udpate: link 添加PP-OCRv2新增模型onnx版本 使用方法推理代码不变，直接替换对应模型即可。 经过在自有测试集上评测： PP-OCRv2检测模型效果有大幅度提升，模型大小没变。 PP-OCRv2识别模型效果无明显提升，模型大小增加了3.58M。 模型上传到百度网盘 提取码：30jv 2021-08-07 udpate: link PP-Structure 表格结构和cell坐标预测 正在整理中 之前做的,未完成的，欢迎提PR 打Dokcer镜像 尝试onnxruntime-gpu推理 2021-07-17 udpate: link 完善README文档 增加英文、数字识别onnx模型，具体参见python/en_number_ppocr_mobile_v2_rec，用法同其他 整理一下模型转onnx 2021-07-04 udpate: link 目前仓库下的python程序已经可以在树莓派4B上，成功运行，详细信息请进群，询问群主 更新整体结构图，添加树莓派的支持 2021-06-20 udpate: link 优化ocrweb中识别结果显示，同时添加识别动图演示 更新datasets目录，添加一些常用数据库链接(搬运一下^-^) 更新FAQ 2021-06-10 udpate: link 添加server版文本识别模型，详情见提取码：30jv 2021-06-08 udpate: link 整理仓库，统一模型下载路径 完善相关说明文档 2021-03-24 udpate: link 新模型已经完全兼容ONNXRuntime 1.7 或更高版本。 特别感谢：@Channingss 新版onnxruntime比1.6.0 性能提升40%以上。 "
             }
         );
     index.add(
diff --git a/docs/changelog/index.xml b/docs/changelog/index.xml
index 82c2ca8a..b6210b46 100644
--- a/docs/changelog/index.xml
+++ b/docs/changelog/index.xml
@@ -13,11 +13,11 @@
       Sat, 08 Oct 2022 00:00:00 +0000
       
       https://rapidai.github.io/RapidOCRDocs/docs/changelog/rapidocr/
-      🧚🏻‍♀️2024-05-12 v1.3.18 update: link Merge PR #176 支持python 3.12 🔥2024-04-19 v1.3.17 update: link Merge PR 修复issue #170 📘2024-04-07 v1.3.16 update: link修复issue #161
+      🛠️2024-05-15 v1.3.19 update: link 因为DirectML受支持设备限制，因此将DirectML作为一个选项写入配置文件，选择性调用 在Windows平台仍然恢复到v1.3.18前，默认安装onnxruntime库。如DirectML可用，且显式指定时，需要手动安装。 相关讨论：PR #178 Discussion #175 🧚🏻‍♀️2024-05-12 v1.3.18 update: link Merge PR #176 支持python 3.12 🔥2024-04-19 v1.3.17 update: link Merge PR 修复issue #170 📘2024-04-07 v1.3.16 update: link修复issue #161
 🍿2024-03-07 v1.3.15 update: link 修复 issue #158 增加三个推理引擎（onnxruntime、openvino，paddlepaddle）初始化RapidOCR类，指定线程数的参数 🎂2024-03-05 v1.3.14 update: link添加可使用的CPU核心数，包括三个推理引擎，onnxruntime/OpenVINO/PaddlePaddle
 🔖2024-02-28 v1.3.13 update: link 优化LoadImage类，添加对输入PIL.Image.Image的支持 修复不同输入类型下，图像通道顺序不同的问题 🍉2024-02-27 v1.3.12 update: link可视化函数适配Pillow v9和v10两个版本，自动根据各个版本情况，来选择相应获得char大小的函数
 ♥️2024-02-04 v1.3.11 update: linkMerge PR #151 by LWQ2EDU
-添加自动padding策略：当传入图像小于min_height或者>width_height_ratio时，会触发自动padding图像，后续再进入检测。 ⚠️注意：padding值多少？当前值是一个权衡设置，大家可根据具体使用场景，自定设置合适值。 🌈2024-01-30 v1.3.10 update: link 修复get_boxes_img_without_det bug by AuroraWright 🥰2023-12-28 v1.3.9 update: link 优化rapidocr系列库主函数代码逻辑，便于小伙伴们二次开发 Merge PR #141 by theikkila Merge PR #139 by debanjum 😜2023-10-25 v1.
+添加自动padding策略：当传入图像小于min_height或者>width_height_ratio时，会触发自动padding图像，后续再进入检测。 ⚠️注意：padding值多少？当前值是一个权衡设置，大家可根据具体使用场景，自定设置合适值。 🌈2024-01-30 v1.3.10 update: link 修复get_boxes_img_without_det bug by AuroraWright 🥰2023-12-28 v1.
     
     
     
diff --git a/docs/changelog/rapidocr/index.html b/docs/changelog/rapidocr/index.html
index a31a8665..92f143ba 100644
--- a/docs/changelog/rapidocr/index.html
+++ b/docs/changelog/rapidocr/index.html
@@ -33,22 +33,22 @@
 
 
 
-
+添加自动padding策略：当传入图像小于min_height或者>width_height_ratio时，会触发自动padding图像，后续再进入检测。 ⚠️注意：padding值多少？当前值是一个权衡设置，大家可根据具体使用场景，自定设置合适值。 🌈2024-01-30 v1.3.10 update: link 修复get_boxes_img_without_det bug by AuroraWright 🥰2023-12-28 v1." />
 
 
 
-
+
 
 
-
+添加自动padding策略：当传入图像小于min_height或者>width_height_ratio时，会触发自动padding图像，后续再进入检测。 ⚠️注意：padding值多少？当前值是一个权衡设置，大家可根据具体使用场景，自定设置合适值。 🌈2024-01-30 v1.3.10 update: link 修复get_boxes_img_without_det bug by AuroraWright 🥰2023-12-28 v1."/>
 
     
     
@@ -661,6 +661,7 @@