跑ch_ppocr_mobile_v2.0_rec转化的onnx模型，与paddle检测结果不一致

[yourbikun]

感谢您的项目分享，我基于你的代码重新实现了v2.0版本的ocr，在大部分情况下是正常的。但是有些图片在paddle python中测试可以检测，而在C++中出现漏检。
如下图为paddle代码中检测得到的，一切正常

而我发现在你提供的C++代码文本的位置都检测出来了，如下图所示。但是结果只有“表格1 17805993929”。 Edam未识别出来，我调试代码发现Edam图片正常进入了识别程序，但是推理出来结果为空

能帮我解决下吗？这是测试图像

[benjaminwan]

如图，用Netron打开你的rec模型，需要确认一下模型input的矩阵定义，这是模型的固有属性，从推理框架输入模型的数据必须与此相匹配，tensor: float32[-1,3,32,-1]，这是4维矩阵，其中32代表图像的高度，在v2模型里是32，v3模型开始是48。
这是我的修改记录v2->v3，仅供参考：
0cdeba8

[yourbikun]

感谢回复。你好，我已经提前改为32了。如果不改为32会提前崩溃
不过我摸索了下，大概知道是什么原因了，更改了unClipRatio就会出现不一样的识别结果，合适的unClipRatio和paddle的结果一致。
所以我想知道一般这个参数怎么选择呢

[benjaminwan]

unClipRatio是用于det模型的，det输出的文字框结果是贴着文字边缘，如果文字框切得太靠边，后续的rec模型会识别出错。
所以unClipRatio用于给文字加一圈白边，增加rec模型的识别成功率。
参考原始paddle项目去设置这个值是比较合理的。
不过文字的大小不一样的话，这个参数的最佳值也可能会不一样，或许paddle加了其他的代码用于判断，这我就不太清楚了。
这个项目的前后处理代码都尽量简单且没有参考其他项目，但或许有更好的实现代码，欢迎pr。