PaddleSharp：跨越一年的版本更新与亮点

我始终坚信，开源社区是技术进步的重要推动力，也是我抽出我业余时间，投入到PaddleSharp这个项目的原因，这个项目充分展现了.NET在复杂计算领域的潜力。今天很高兴地告诉大家，PaddleSharp有了新版本！

先来说说背景，有的朋友可能知道，PaddleSharp过去老版本存在一些东西过时或者无法使用的情况。但是，时光恰恰是优化和革新的好理由和契机，我在距离上一篇文章发布之后，做了许多优化，下面我挑重要的部分做介绍。

整体体验

文档和示例

我一直在更新Github首页的使用文档和示例：

• https://github.com/sdcb/PaddleSharp （项目首页+整体介绍+推理库部分）
• https://github.com/sdcb/PaddleSharp/blob/master/docs/ocr.md （PaddleOCR）
• https://github.com/sdcb/PaddleSharp/blob/master/docs/detection.md （PaddleDetection）
• https://github.com/sdcb/PaddleSharp/blob/master/docs/rotation-detection.md （RotationDetection）
• https://github.com/sdcb/PaddleSharp/blob/master/docs/paddle2onnx.md （Paddle模型转Onnx）

里面包含了大致介绍、使用方式、使用示例、注意事项等。

我会持续维护这些文档，尤其是有客户有时向我反馈一些问题，我会将里面一些常见的问题和解决办法写在上面文档中，因此建议初接触PaddleSharp的朋友看看。

xml注释和snuget调试

作为一名程序员，编程体验很重要，方法怎么用，一个是看示例，另一个就是看注释。

为此我将PaddleSharp中所有的公有方法、受保护方法都加上了详尽的xml注释，这一点在Github上显示了超过9000行代码变动，以后在Visual Studio中鼠标放在PaddleSharp里面的类、参数、方法上时，就会显示详尽的注释，比如下面这个注释：

/// 

/// Returns an Action delegate that configures PaddleConfig for use with Onnx.
/// 
/// The number of CPU threads to use for math operations. A value of 0 sets it to minimum of 4 and the available number of processors.
/// Flag to enable or disable Onnx runtime optimization.
/// Flag to enable or disable memory optimization.
/// Flag to enable or disable logging with glog.
/// The ONNX Runtime paddle device definition.
public static Action Onnx(int cpuMathThreadCount = 0, bool enableOnnxOptimization = true, bool memoryOptimized = true, bool glogEnabled = false)
{
return cfg =>
 {
 cfg.OnnxEnabled = true;
if (enableOnnxOptimization) cfg.EnableOnnxOptimization();
 cfg.CpuMathThreadCount = cpuMathThreadCount switch
 {
0 => Math.Min(4, Environment.ProcessorCount),
 _ => cpuMathThreadCount
 };
 CommonAction(cfg, memoryOptimized, glogEnabled);
 };
}

可见它会每个成员函数、参数、返回值都作出了详尽的xml注释。

以此为基础，我还将所有的.NET包发布了.snuget包，这些包自带pdb调试符号文件，以后编程中按F11即可单步调试进入PaddleSharp的源代码中，。

Paddle推理库

设备管理

其中，一项重要的改变在于设备使用接口的设计。老版本中只有
PaddleConfig.Defaults.UseGpu这一设备启用选项，为了增强扩展性和用户体验，便对其进行了扩展：新版本中我引入了下列设备：

• PaddleDevice.Gpu()
• PaddleDevice.Openblas()
• PaddleDevice.Onnx()
• PaddleDevice.Mkldnn()
• PaddleDevice.TensorRt()（需要和PaddleDevice.Gpu()配合使用）

不同的方法代表着不同的设备类型，这无疑为用户提供了更大的选择空间，这是PaddleOCR的新版本使用示例（它需要作为PaddleOcrAll的参数传进去）：

// 注：需要先安装如下NuGet包：
// * Sdcb.PaddleInference
// * Sdcb.PaddleOCR
// * Sdcb.PaddleOCR.Models.LocalV3
// * Sdcb.PaddleInference.runtime.win64.mkl
// * OpenCvSharp4.runtime.win
FullOcrModel model = LocalFullModels.ChineseV3;

byte[] sampleImageData;
string sampleImageUrl = @"https://www.tp-link.com.cn/content/images2017/gallery/4288_1920.jpg";
using (HttpClient http = new HttpClient())
{
 Console.WriteLine("Download sample image from: " + sampleImageUrl);
 sampleImageData = await http.GetByteArrayAsync(sampleImageUrl);
}

// 下面的PaddleDevice.Mkldnn()是新加的
// 之前是用的PaddleConfig.Defaults.UseMkldnn = true
// 如果想要GPU，则改为PaddleDevice.Gpu()即可
using (PaddleOcrAll all = new PaddleOcrAll(model, PaddleDevice.Mkldnn())
{
 AllowRotateDetection = true, /* 允许识别有角度的文字 */ 
 Enable180Classification = false, /* 不允许识别旋转角度大于90度的文字 */
})
{
// 如果需要读取本地文件，使用如下被注释的代码
// using (Mat src2 = Cv2.ImRead(@"C:\test.jpg"))
using (Mat src = Cv2.ImDecode(sampleImageData, ImreadModes.Color))
 {
 PaddleOcrResult result = all.Run(src);
 Console.WriteLine("Detected all texts: \n" + result.Text);
foreach (PaddleOcrResultRegion region in result.Regions)
 {
 Console.WriteLine($"Text: {region.Text}, Score: {region.Score}, RectCenter: {region.Rect.Center}, RectSize: {region.Rect.Size}, Angle: {region.Rect.Angle}");
 }
 }
}

其中用于设备管理的代码在：

using (PaddleOcrAll all = new PaddleOcrAll(model, PaddleDevice.Mkldnn())

它可以换为PaddleDevice.Openblas()（表示不使用Mkldnn）：

using (PaddleOcrAll all = new PaddleOcrAll(model, PaddleDevice.Openblas())

或者换成PaddleDevice.Gpu()（表示使用GPU——但必须先安装Gpu的相关包并配好环境）：

using (PaddleOcrAll all = new PaddleOcrAll(model, PaddleDevice.Gpu())

当然，我会尽量简化和清晰地解释这个部分。以下是我的修改提案：

库加载方式优化

在旧版PaddleSharp中，库加载方式主要有两种：在.NET Framework中采用Autoload方式，在.NET Core中采用SearchPathLoad方式。然而，这两种方式在某些情况下并不理想，特别是在Linux环境下。

Autoload方式

Autoload方式的主要问题在于，PaddleSharp依赖于paddle_inference_c.dll，而paddle_inference_c.dll又依赖于其他dll如openblas.dll。即使paddle_inference_c.dll成功加载，也可能因为其他依赖dll的问题导致推理失败。

解决办法是在调用依赖dll加载的函数前，先调用一个不会触发加载的函数，例如PaddleConfig.Version。然后在当前进程模型中找到paddle_inference_c模块，定位到它所在的文件夹，并把文件夹路径导入到环境变量中。

SearchPathLoad方式

SearchPathLoad方式利用了.NET Core 3.1引入的AppContext变量：
NATIVE_DLL_SEARCH_DIRECTORIES。这种方式不需要读取进程模块就能知道dll的位置。

但是，这种方法在Linux环境下行不通。因为Linux的LD_LIBRARY_PATH环境变量必须在进程启动前被确定。一旦进程启动，环境变量的值就被缓存起来，运行时的修改对程序无效。

新的加载方式

为了解决上述问题，新的PaddleSharp版本采用了逐步加载依赖的方式。在Linux环境中，依次加载以下动态库：

1. libgomp.so.1
2. libiomp5.so
3. libdnnl.so.2
4. libmklml_intel.so
5. libonnxruntime.so.1.11.1
6. libpaddle2onnx.so.1.0.0rc2

这种新的加载方式有效解决了在Linux环境下的问题。

PaddleOCR

已经支持表格识别

这个许多客户反馈了许久，我在大概2023年五一的时候实现了表格识别功能，同时表格识别的模型我都加入了
Sdcb.PaddleOCR.Models.LocalV3/
Sdcb.PaddleOCR.Models.Online包，可以全离线表格识别或者按需下载模型表格识别。

它的使用示例如下（最新版本请参考这个链接：
https://github.com/sdcb/PaddleSharp/blob/master/docs/ocr.md#table-recognition ）：

// Install following packages:
// Sdcb.PaddleInference
// Sdcb.PaddleOCR
// Sdcb.PaddleOCR.Models.LocalV3
// Sdcb.PaddleInference.runtime.win64.mkl (required in Windows, linux using docker)
// OpenCvSharp4.runtime.win (required in Windows, linux using docker)
using PaddleOcrTableRecognizer tableRec = new(LocalTableRecognitionModel.ChineseMobileV2_SLANET);
using Mat src = Cv2.ImRead(Path.Combine(Environment.GetFolderPath(Environment.SpecialFolder.MyPictures), "table.jpg"));
// Table detection
TableDetectionResult tableResult = tableRec.Run(src);

// Normal OCR
using PaddleOcrAll all = new(LocalFullModels.ChineseV3);
all.Detector.UnclipRatio = 1.2f;
PaddleOcrResult ocrResult = all.Run(src);

// Rebuild table
string html = tableResult.RebuildTable(ocrResult);

效果如图：

值得注意的是，PaddleSharp的表格识别是基于飞桨的深度学习模型，对于一些规整的表格，它的效果可能不如使用传统的OpenCV算法，如果想了解传统算法，可以参考我2021年.NET Conf China做的技术分享的pdf：[.NET玩转计算机视觉OpenCV - 周杰](
https://io.starworks.cc:88/cv-public/2021/.NET%E7%8E%A9%E8%BD%AC%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89OpenCV.pdf)

两个新的模型包LocalV3/Online

新版本中，还引入了两个新的本地模型包：
Sdcb.PaddleOCR.Models.LocalV3/
Sdcb.PaddleOCR.Models.Online。一个表示完全本地——不用联网即可使用OCR，另一个表示需要联网，模型按需下载。

下面是使用
Sdcb.PaddleOCR.Models.LocalV3的示例：

FullOcrModel model = LocalFullModels.EnglishV3; // 将EnglishV3换为其它模型，如ChineseV3
using (PaddleOcrAll all = new PaddleOcrAll(model))
{
// ...
}

下面是使用
Sdcb.PaddleOCR.Models.Online的示例：

FullOcrModel model = await OnlineFullModels.EnglishV3.DownloadAsync();
using (PaddleOcrAll all = new PaddleOcrAll(model))
{
// ...
}

其中值得一提的是LocalV3，它将所有已知PaddleOCR的v3模型都包含了，安装这个包可以实现完全不联网部署。

为什么我需要淘汰原来的Sdcb.PaddleOCR.KnownModels？

说来话长，首先KnownModels有下面几个缺点：

• 主要原因是OCR需要使用的文字检测、180度分类、文字识别3个模型会下载到以语言命名的同一个文件夹中：

  C:\Users\ZhouJie\AppData\Roaming\paddleocr-models\ppocr-v3>tree /f
  C:.
  │ key.txt
  │
  ├─cls
  │ inference.pdiparams
  │ inference.pdiparams.info
  │ inference.pdmodel
  │
  ├─det
  │ inference.pdiparams
  │ inference.pdiparams.info
  │ inference.pdmodel
  │
  └─rec
   inference.pdiparams
   inference.pdiparams.info
   inference.pdmodel
  

  如上图，每个模型的cls文件夹都可能重复占用磁盘空间、且需要重复下载——这不合理。

  因此我引入了
Sdcb.PaddleOCR.Models.Online，已经下载过的模型不会重复下载，这个行为和PaddleOCR上游Python代码一致。

• 次要问题是它的命名，KnownModels不能代表它是本地模型还是线上模型（虽然它本质是线上模型、按需下载），如果使用LocalV3和Online，则可以清晰地看出是本地模型或者线上模型。

识别阶段走batch

关于性能问题，新版本也做了一些重要的升级。OCR文字识别阶段能够自动支持batch处理，且走batch时会排序，将一样宽的文字行做一批识别，这样大大优化了程序的性能。

据一些客户的测试反馈，PaddleSharp的PaddleOCR的性能表现很好，甚至在某些场景下和官方的C++、Python版本相比有更好的表现。

总结

其实上面只是一些主要的，其实PaddleSharp项目还有许多非常有意思功能增强，比如RotationDetection和Paddle2Onnx，以后有机会我一一介绍。

想尝试PaddleSharp的朋友，欢迎访问我的[Github](
https://github.com/sdcb/PaddleSharp)

，也请给个Star??