---
language:
  - zh
tags:
  - image-classification
  - orientation-detection
  - document-scanning
  - onnx
library_name: onnxruntime
license: mit
---

# Fachuan 图片方向分类器

基于 ConvNeXtV2-Atto 微调的四方向图片分类 ONNX 模型，专为票据/文档图片自动旋转设计。

## 模型信息

| 项目 | 值 |
|------|-----|
| 基础模型 | facebook/convnextv2-atto-1k-224 |
| 参数量 | 3.7M |
| 输入分辨率 | 384 × 384 |
| 输入格式 | float32 [1, 3, 384, 384]，ImageNet 归一化 |
| 输出 | float32 [1, 4] → 0° / 90° / 180° / 270° |
| 验证准确率 | 99.6% |
| 模型大小 | ~13 MB（INT8 量化） |

## 分类含义

| 类别索引 | 目录名 | 含义 | 后端旋转角度 |
|---------|--------|------|-------------|
| 0 | 0 | 正向，无需旋转 | 0° |
| 1 | 180 | 上下颠倒 | 180° |
| 2 | 270 | 逆时针旋转 | -90° |
| 3 | 90 | 顺时针旋转 | -270° |

## 快速使用

```python
import numpy as np
import onnxruntime as ort
from PIL import Image

session = ort.InferenceSession("fachuan-orientation-classifier.onnx")

img = Image.open("receipt.jpg").convert("RGB").resize((384, 384))
arr = np.array(img, dtype=np.float32).transpose(2, 0, 1) / 255.0
mean = np.array([0.485, 0.456, 0.406]).reshape(3, 1, 1)
std = np.array([0.229, 0.224, 0.225]).reshape(3, 1, 1)
arr = ((arr - mean) / std).unsqueeze(0)

logits = session.run(None, {"pixel_values": arr})[0]
predicted_class = int(np.argmax(logits, axis=1)[0])
ROTATION_MAP = {0: 0, 1: 180, 2: -90, 3: -270}
print(f"预测方向: {predicted_class}°, 需旋转: {ROTATION_MAP[predicted_class]}°")
```

## 训练数据

使用法穿（Fachuan）项目内部票据图片训练，包含发票、收据、微信聊天截图等场景。

- 训练集：1116 张（279 张原始图 × 4 个旋转角度）
- 验证集：276 张
- 数据增强：RandomResizedCrop、ColorJitter

## 训练元信息

详见 [convnextv2-acc996.json](convnextv2-acc996.json)

## 许可证

MIT License