Add Koshur OCRv6 model card, source, artifacts, and core checkpoints

8207382 verified 21 days ago

36.4 kB

comments: true

文本检测模块使用教程

一、概述

文本检测模块是OCR（光学字符识别）系统中的关键组成部分，负责在图像中定位和标记出包含文本的区域。该模块的性能直接影响到整个OCR系统的准确性和效率。文本检测模块通常会输出文本区域的边界框（Bounding Boxes），这些边界框将作为输入传递给文本识别模块进行后续处理。

二、支持模型列表

推理耗时仅包含模型推理耗时，不包含前后处理耗时。表格中的“常规模式”耗时对应本地 paddle_static 推理引擎。

模型	模型下载链接	检测Hmean（%）	GPU推理耗时（ms） [常规模式 / 高性能模式]	CPU推理耗时（ms） [常规模式 / 高性能模式]	模型存储大小（MB）	介绍
PP-OCRv6_medium_det	推理模型/训练模型	86.2*	- / -	- / -	59.4	PP-OCRv6 的中等规模文本检测模型，基于 PPLCNetV4 + RepLKFPN，精度最高，适合服务端部署
PP-OCRv6_small_det	推理模型/训练模型	84.1*	- / -	- / -	9.6	PP-OCRv6 的小型文本检测模型，兼顾精度与效率，适合移动端部署
PP-OCRv6_tiny_det	推理模型/训练模型	80.6*	- / -	- / -	1.9	PP-OCRv6 的超轻量文本检测模型（0.43M 参数），适合端侧/IoT 场景
PP-OCRv5_server_det	推理模型/训练模型	83.8	89.55 / 70.19	383.15 / 383.15	84.3	PP-OCRv5 的服务端文本检测模型，精度更高，适合在性能较好的服务器上部署
PP-OCRv5_mobile_det	推理模型/训练模型	79.0	10.67 / 6.36	57.77 / 28.15	4.7	PP-OCRv5 的移动端文本检测模型，效率更高，适合在端侧设备部署
PP-OCRv4_server_det	推理模型/训练模型	69.2	127.82 / 98.87	585.95 / 489.77	109	PP-OCRv4 的服务端文本检测模型，精度更高，适合在性能较好的服务器上部署
PP-OCRv4_mobile_det	推理模型/训练模型	63.8	9.87 / 4.17	56.60 / 20.79	4.7	PP-OCRv4 的移动端文本检测模型，效率更高，适合在端侧设备部署

*注：PP-OCRv6 指标基于内部多场景评估集测得，PP-OCRv5/v4 指标基于通用评估集测得，两者评估集不同，指标不可直接对比。

测试环境说明:

性能测试环境
- 测试数据集：PaddleOCR3.0 全新构建多语种（包含中、繁、英、日），覆盖街景、网图、文档、手写、模糊、旋转、扭曲等多个场景的文本检测数据集，包含2677 张图片。
- 硬件配置：
  - GPU：NVIDIA Tesla T4
  - CPU：Intel Xeon Gold 6271C @ 2.60GHz
- 软件环境：
  - Ubuntu 20.04 / CUDA 11.8 / cuDNN 8.9 / TensorRT 8.6.1.6
  - paddlepaddle-gpu 3.0.0 / paddleocr 3.0.3
推理模式说明

模式	GPU配置	CPU配置	加速技术组合
常规模式	FP32精度 / 无TRT加速	FP32精度 / 8线程	PaddleInference
高性能模式	选择先验精度类型和加速策略的最优组合	FP32精度 / 8线程	选择先验最优后端（Paddle/OpenVINO/TRT等）

三、快速开始

❗ 在快速开始前，请先安装 PaddleOCR 的 wheel 包，详细请参考安装教程。

3.1 环境准备

3.1.1 基础安装

# 安装基础版本（仅包含文本检测功能）
pip install paddleocr

# 安装完整版本（包含所有功能）
pip install "paddleocr[all]"

3.1.2 环境验证

# 验证安装是否成功
import paddleocr
print(f"PaddleOCR版本: {paddleocr.__version__}")

# 验证GPU是否可用
import paddle
print(f"Paddle版本: {paddle.__version__}")
print(f"GPU可用: {paddle.is_compiled_with_cuda()}")
print(f"GPU数量: {paddle.device.cuda.device_count()}")

3.2 命令行快速体验

使用一行命令即可快速体验：

# 使用默认模型进行文本检测
paddleocr text_detection -i https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_ocr_001.png

# 指定模型
paddleocr text_detection -i general_ocr_001.png --model_name PP-OCRv6_small_det

上述示例默认使用 paddle_static 推理引擎，请先按照飞桨框架安装完成 PaddlePaddle 安装。

如果选择 transformers 作为推理引擎，请确保已配置 Transformers 环境，然后执行如下命令：

# 使用 transformers 引擎进行推理
paddleocr text_detection -i https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_ocr_001.png \
    --engine transformers

如果选择 onnxruntime 作为推理引擎，请确保已配置 ONNX Runtime 环境，然后执行如下命令：

# 使用 onnxruntime 引擎进行推理
paddleocr text_detection -i https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/general_ocr_001.png \
    --engine onnxruntime

在大多数场景下，默认的 paddle_static 推理引擎通常具备更好的推理性能，建议优先使用。

注：PaddleOCR 官方模型默认从 HuggingFace 获取，如运行环境访问 HuggingFace 不便，可通过环境变量修改模型源为 BOS：PADDLE_PDX_MODEL_SOURCE="BOS"，未来将支持更多主流模型源；

3.3 Python API 使用

您也可以将文本检测的模块中的模型推理集成到您的项目中。运行以下代码前，请您下载示例图片到本地。

from paddleocr import TextDetection
model = TextDetection()
output = model.predict("general_ocr_001.png", batch_size=1)
for res in output:
    res.print()
    res.save_to_img(save_path="./output/")
    res.save_to_json(save_path="./output/res.json")

上述示例默认使用 paddle_static 推理引擎，请先按照飞桨框架安装完成 PaddlePaddle 安装。

如果选择 transformers 作为推理引擎，请确保已配置 Transformers 环境，然后执行如下代码：

from paddleocr import TextDetection
model = TextDetection(engine="transformers")
output = model.predict("general_ocr_001.png", batch_size=1)
for res in output:
    res.print()
    res.save_to_img(save_path="./output/")
    res.save_to_json(save_path="./output/res.json")

如果选择 onnxruntime 作为推理引擎，请确保已配置 ONNX Runtime 环境，然后执行如下代码：

from paddleocr import TextDetection
model = TextDetection(engine="onnxruntime")
output = model.predict("general_ocr_001.png", batch_size=1)
for res in output:
    res.print()
    res.save_to_img(save_path="./output/")
    res.save_to_json(save_path="./output/res.json")

在大多数场景下，默认的 paddle_static 推理引擎通常具备更好的推理性能，建议优先使用。

训练后的模型如果想使用 paddle_dynamic 或 transformers 引擎，请参考后文推理引擎中的权重转换部分将模型由 pdparams 格式通过 PaddleX 转换为 safetensors 格式。

运行后，得到的结果为：

{'res': {'input_path': 'general_ocr_001.png', 'page_index': None, 'dt_polys': array([[[ 75, 549],
        ...,
        [ 77, 586]],

       ...,

       [[ 31, 406],
        ...,
        [ 34, 455]]], dtype=int16), 'dt_scores': [0.873949039891189, 0.8948166013613552, 0.8842595305917041, 0.876953790920377]}}

运行结果参数含义如下：

input_path：表示输入待预测图像的路径
page_index：如果输入是PDF文件，则表示当前是PDF的第几页，否则为 None
dt_polys：表示预测的文本检测框，其中每个文本检测框包含一个四边形的四个顶点。其中每个顶点都是一个列表，分别表示该顶点的x坐标和y坐标
dt_scores：表示预测的文本检测框的置信度

可视化图片如下：

相关方法、参数等说明如下：

TextDetection类实例化文本检测模型，具体说明如下：

参数	参数说明	参数类型	默认值
`model_name`	含义：模型名称。说明：如果设置为`None`，则使用`PP-OCRv6_medium_det`。	`str\|None`	`None`
`model_dir`	含义：模型存储路径。	`str\|None`	`None`
`device`	含义：用于推理的设备。说明：例如：`"cpu"`、`"gpu"`、`"npu"`、`"gpu:0"`、`"gpu:0,1"`。如指定多个设备，将进行并行推理。默认情况下，优先使用 GPU 0；若不可用则使用 CPU。	`str\|None`	`None`
`engine`	含义：推理引擎。说明：支持 `None`（默认值）、`paddle`、`paddle_static`、`paddle_dynamic`、`transformers`、`onnxruntime`。保持为默认值 `None` 时，本地推理默认使用 `paddle_static` 引擎。详细说明、取值、兼容性规则与示例请参见推理引擎与配置说明。	`str\|None`	`None`
`engine_config`	含义：推理引擎配置。说明：推荐与 `engine` 搭配使用。详细字段、兼容性规则与示例请参见推理引擎与配置说明。	`dict\|None`	`None`
`enable_hpi`	含义：是否启用高性能推理。	`bool`	`False`
`use_tensorrt`	含义：是否启用 Paddle Inference 的 TensorRT 子图引擎。说明：如果模型不支持通过 TensorRT 加速，即使设置了此标志，也不会使用加速。对于 CUDA 11.8 版本的飞桨，兼容的 TensorRT 版本为 8.x（x>=6），建议安装 TensorRT 8.6.1.6。	`bool`	`False`
`precision`	含义：当使用 Paddle Inference 的 TensorRT 子图引擎时设置的计算精度。说明：可选项：`"fp32"`、`"fp16"`。	`str`	`"fp32"`
`enable_mkldnn`	含义：是否启用 MKL-DNN 加速推理。说明：如果 MKL-DNN 不可用或模型不支持通过 MKL-DNN 加速，即使设置了此标志，也不会使用加速。	`bool`	`True`
`mkldnn_cache_capacity`	含义：MKL-DNN 缓存容量。	`int`	`10`
`cpu_threads`	含义：在 CPU 上推理时使用的线程数量。	`int`	`10`
`limit_side_len`	含义：检测的图像边长限制：`int` 表示边长限制数值。说明：如果设置为`None`，将使用模型默认配置。	`int\|None`	`None`
`limit_type`	含义：检测的图像边长限制，检测的边长限制类型。说明： `"min"` 表示保证图像最短边不小于det_limit_side_len，`"max"`表示保证图像最长边不大于limit_side_len。如果设置为`None`，将使用模型默认配置。	`str\|None`	`None`
`max_side_limit`	含义：检测的图像边长最大值限制：`int` 限制输入检测模型的图片最长边。说明：如果设置为 `None`，将使用模型默认配置。	`int\|None`	`None`
`thresh`	含义：像素得分阈值。输出概率图中得分大于该阈值的像素点被认为是文本像素。说明：如果设置为`None`，将使用模型默认配置。	`float\|None`	`None`
`box_thresh`	含义：检测结果边框内，所有像素点的平均得分大于该阈值时，该结果会被认为是文字区域。说明：如果设置为`None`，将使用模型默认配置。	`float\|None`	`None`
`unclip_ratio`	含义：Vatti clipping算法的扩张系数，使用该方法对文字区域进行扩张。说明：如果设置为`None`，将使用模型默认配置。	`float\|None`	`None`
`input_shape`	含义：模型输入图像尺寸，格式为 `(C, H, W)`。	`tuple\|None`	`None`

调用文本检测模型的 predict() 方法进行推理预测，该方法会返回一个结果列表。另外，本模块还提供了 predict_iter() 方法。两者在参数接受和结果返回方面是完全一致的，区别在于 predict_iter() 返回的是一个 generator，能够逐步处理和获取预测结果，适合处理大型数据集或希望节省内存的场景。可以根据实际需求选择使用这两种方法中的任意一种。predict() 方法参数有 input 、batch_size、 limit_side_len、 limit_type、 thresh、 box_thresh、 max_candidates、unclip_ratio，具体说明如下：

参数	参数说明	参数类型	默认值
`input`	含义：待预测数据，支持多种输入类型，必填。说明： Python Var：如 `numpy.ndarray` 表示的图像数据 str：如图像文件或者PDF文件的本地路径：`/root/data/img.jpg`；如URL链接，如图像文件或PDF文件的网络URL：示例；如本地目录，该目录下需包含待预测图像，如本地路径：`/root/data/`(当前不支持目录中包含PDF文件的预测，PDF文件需要指定到具体文件路径) list：列表元素需为上述类型数据，如`[numpy.ndarray, numpy.ndarray]`，`["/root/data/img1.jpg", "/root/data/img2.jpg"]`，`["/root/data1", "/root/data2"]`	`Python Var\|str\|list`
`batch_size`	含义：批大小说明：可设置为任意正整数。	`int`	1
`limit_side_len`	含义:参数含义与实例化参数基本相同。说明：设置为`None`表示使用实例化参数，否则该参数优先级更高。	`int\|None`	`None`
`limit_type`	含义：参数含义与实例化参数基本相同。说明：设置为`None`表示使用实例化参数，否则该参数优先级更高。	`str\|None`	`None`
`thresh`	含义：参数含义与实例化参数基本相同。说明：设置为`None`表示使用实例化参数，否则该参数优先级更高。	`float\|None`	`None`
`box_thresh`	含义：参数含义与实例化参数基本相同。说明：设置为`None`表示使用实例化参数，否则该参数优先级更高。	`float\|None`	`None`
`unclip_ratio`	含义：参数含义与实例化参数基本相同。说明：设置为`None`表示使用实例化参数，否则该参数优先级更高。	`float\|None`	`None`

对预测结果进行处理，每个样本的预测结果均为对应的Result对象，且支持打印、保存为图片、保存为json文件的操作:

方法	方法说明	参数	参数类型	参数说明	默认值
`print()`	打印结果到终端	`format_json`	`bool`	是否对输出内容进行使用 `JSON` 缩进格式化	`True`
		`indent`	`int`	指定缩进级别，以美化输出的 `JSON` 数据，使其更具可读性，仅当 `format_json` 为 `True` 时有效	4
		`ensure_ascii`	`bool`	控制是否将非 `ASCII` 字符转义为 `Unicode`。设置为 `True` 时，所有非 `ASCII` 字符将被转义；`False` 则保留原始字符，仅当`format_json`为`True`时有效	`False`
`save_to_json()`	将结果保存为json格式的文件	`save_path`	`str`	保存的文件路径，当为目录时，保存文件命名与输入文件类型命名一致	无
		`indent`	`int`	指定缩进级别，以美化输出的 `JSON` 数据，使其更具可读性，仅当 `format_json` 为 `True` 时有效	4
		`ensure_ascii`	`bool`	控制是否将非 `ASCII` 字符转义为 `Unicode`。设置为 `True` 时，所有非 `ASCII` 字符将被转义；`False` 则保留原始字符，仅当`format_json`为`True`时有效	`False`
`save_to_img()`	将结果保存为图像格式的文件	`save_path`	`str`	保存的文件路径，当为目录时，保存文件命名与输入文件类型命名一致	无

此外，也支持通过属性获取带结果的可视化图像和预测结果，具体如下：

属性	属性说明
`json`	获取预测的`json`格式的结果
`img`	获取格式为`dict`的可视化图像

四、二次开发

如果以上模型在您的场景上效果仍然不理想，您可以尝试以下步骤进行二次开发，此处以训练 PP-OCRv5_server_det 举例，其他模型替换对应配置文件即可。首先，您需要准备文本检测的数据集，可以参考文本检测 Demo 数据的格式准备，准备好后，即可按照以下步骤进行模型训练和导出，导出后，可以将模型快速集成到上述 API 中。此处以文本检测 Demo 数据示例。在训练模型之前，请确保已经按照安装文档安装了 PaddleOCR 所需要的依赖。

4.1 数据集、预训练模型准备

4.1.1 准备数据集

# 下载示例数据集
wget https://paddle-model-ecology.bj.bcebos.com/paddlex/data/ocr_det_dataset_examples.tar
tar -xf ocr_det_dataset_examples.tar

4.1.2 下载预训练模型

# 下载 PP-OCRv5_server_det 预训练模型
wget https://paddle-model-ecology.bj.bcebos.com/paddlex/official_pretrained_model/PP-OCRv5_server_det_pretrained.pdparams

4.2 模型训练

PaddleOCR 对代码进行了模块化，训练 PP-OCRv5_server_det 识别模型时需要使用 PP-OCRv5_server_det 的配置文件。

训练命令如下：

#单卡训练 (默认训练方式)
python3 tools/train.py -c configs/det/PP-OCRv5/PP-OCRv5_server_det.yml \
    -o Global.pretrained_model=./PP-OCRv5_server_det_pretrained.pdparams \
    Train.dataset.data_dir=./ocr_det_dataset_examples \
    Train.dataset.label_file_list='[./ocr_det_dataset_examples/train.txt]' \
    Eval.dataset.data_dir=./ocr_det_dataset_examples \
    Eval.dataset.label_file_list='[./ocr_det_dataset_examples/val.txt]'

#多卡训练，通过--gpus参数指定卡号
python3 -m paddle.distributed.launch --gpus '0,1,2,3' tools/train.py \
    -c configs/det/PP-OCRv5/PP-OCRv5_server_det.yml \
    -o Global.pretrained_model=./PP-OCRv5_server_det_pretrained.pdparams \
    Train.dataset.data_dir=./ocr_det_dataset_examples \
    Train.dataset.label_file_list='[./ocr_det_dataset_examples/train.txt]' \
    Eval.dataset.data_dir=./ocr_det_dataset_examples \
    Eval.dataset.label_file_list='[./ocr_det_dataset_examples/val.txt]'

4.3 模型评估

您可以评估已经训练好的权重，如，output/PP-OCRv5_server_det/best_accuracy.pdprams，使用如下命令进行评估：

# 注意将pretrained_model的路径设置为本地路径。若使用自行训练保存的模型，请注意修改路径和文件名为{path/to/weights}/{model_name}。
 # demo 测试集评估
python3 tools/eval.py -c configs/det/PP-OCRv5/PP-OCRv5_server_det.yml \
    -o Global.pretrained_model=output/PP-OCRv5_server_det/best_accuracy.pdparams \
    Eval.dataset.data_dir=./ocr_det_dataset_examples \
    Eval.dataset.label_file_list='[./ocr_det_dataset_examples/val.txt]'

4.4 模型导出

python3 tools/export_model.py -c configs/det/PP-OCRv5/PP-OCRv5_server_det.yml -o \
    Global.pretrained_model=output/PP-OCRv5_server_det/best_accuracy.pdparams \
    Global.save_inference_dir="./PP-OCRv5_server_det_infer/"

导出模型后，静态图模型会存放于当前目录的./PP-OCRv5_server_det_infer/中，在该目录下，您将看到如下文件：

./PP-OCRv5_server_det_infer/
├── inference.json
├── inference.pdiparams
├── inference.yml

至此，二次开发完成，该静态图模型可以直接集成到 PaddleOCR 的 API 中。

五、推理引擎 {#五推理引擎}

关于推理引擎的详细说明、取值、兼容性规则与示例请参见推理引擎与配置说明。

5.1 速度数据

model	engine	Preprocessing (ms)	Inference (ms)	PostProcessing (ms)	End-to-End (ms)
PP-OCRv5_mobile_det	paddle_static	11.43	13.80	2.15	27.58
	paddle_dynamic	11.70	48.36	2.47	62.71
	transformers	14.05	18.45	3.98	37.54
	onnxruntime	9.98	5.70	2.04	17.90
PP-OCRv5_server_det	paddle_static	13.24	26.91	2.63	43.05
	paddle_dynamic	11.82	45.56	2.52	60.10
	transformers	14.56	13.76	7.44	36.76
	onnxruntime	10.01	13.76	1.92	25.86
PP-OCRv6_medium_det	paddle_static	13.89	16.02	2.49	33.14
	paddle_dynamic	11.42	26.23	2.30	40.10
	transformers	11.40	8.57	8.35	29.57
	onnxruntime	10.80	13.06	2.19	26.18
PP-OCRv6_small_det	paddle_static	10.91	10.97	2.41	24.45
	paddle_dynamic	11.56	22.17	2.66	36.55
	transformers	11.70	7.34	3.87	23.89
	onnxruntime	11.32	7.46	2.54	21.49
PP-OCRv6_tiny_det	paddle_static	11.14	10.71	2.84	24.85
	paddle_dynamic	11.52	21.70	2.94	36.31
	transformers	10.90	6.99	4.13	23.00
	onnxruntime	11.19	6.35	2.79	20.49

测试环境说明:

测试数据：示例图片
硬件配置：
- GPU：NVIDIA A100 40G
- CPU：Intel(R) Xeon(R) Gold 6248 CPU @ 2.50GHz
软件环境：
- Ubuntu 22.04 / CUDA 12.6 / cuDNN 9.5
- paddlepaddle-gpu 3.2.1 / paddleocr 3.5 / transformers 5.4.0 / torch 2.10 / onnxruntime-gpu 1.23.2

5.2 权重转换 {#52-权重转换}

使用推理引擎时，系统会自动下载官方预训练模型。若需使用自训练模型配合 paddle_dynamic 或 transformers 引擎，请参考 PaddleX 文本检测模块权重转换部分，将 pdparams 格式通过 PaddleX 转换为 safetensors 格式，即可无缝集成到 PaddleOCR 的 API 中进行推理。若需使用自训练模型配合onnxruntime引擎，请参考PaddleX 获取 ONNX 模型获取onnx模型，即可无缝集成到 PaddleOCR 的 API 中进行推理。

六、常见问题与解决方案

6.1 性能优化问题

Q: GPU推理速度慢怎么办？

A: 可以通过以下方式优化：（1）启用高性能推理：设置enable_hpi=True，自动选择最优加速策略（2）启用TensorRT加速：设置use_tensorrt=True，需要CUDA 11.8+和TensorRT 8.6+ （3）使用半精度：设置precision="fp16"，可以显著提升速度（4）调整批处理大小：根据显存大小设置合适的batch_size （5）使用轻量模型：在精度要求不高时使用 PP-OCRv6_small/PP-OCRv6_tiny 等轻量级模型

Q: GPU内存不足（CUDA out of memory）怎么办？

A: 可以通过以下方式解决：（1）减小批处理大小：将batch_size设置为1 （2）减小图像尺寸：设置det_limit_side_len=640 （3）启用内存优化：设置enable_memory_optim=True （4）限制GPU内存使用：设置gpu_mem=200 （5）使用轻量模型：切换到 PP-OCRv6_small/PP-OCRv6_tiny 等轻量级模型

6.2 检测精度问题

Q: 检测框不准确或漏检怎么办？

A: 可以通过以下方式优化：（1）调整检测参数：

model = TextDetection(
    thresh=0.3,  # 降低像素阈值
    box_thresh=0.5,  # 降低检测框阈值
    unclip_ratio=2.0,  # 增大扩张系数
    limit_side_len=1216  # 增大图像尺寸
)

（2）使用更精确的后处理模式：设置det_db_score_mode="slow" （3）启用膨胀处理：设置use_dilation=True

6.3 模型选择建议

Q: 如何选择合适的模型？

A: 根据应用场景选择：

服务器高精度场景：使用 PP-OCRv6_medium_det，精度最高
移动端部署：使用 PP-OCRv6_small_det，兼顾精度与效率
端侧/IoT：使用 PP-OCRv6_tiny_det，模型最小
实时处理：使用 PP-OCRv6_small_det 或 PP-OCRv6_tiny_det，推理更快

6.4 参数调优建议

Q: 如何调优检测参数？

A: 通过参数limit_type和limit_side_len来对图片的尺寸进行限制，limit_type可选参数为[max, min]，limit_side_len 为正整数，一般设置为 32 的倍数，比如 960。

如果输入图形分辨率不大，建议使用limit_type=min 和 limit_side_len=960 节省计算资源的同时能获得最佳检测效果。如果输入图片的分辨率比较大，而且想使用更大的分辨率预测，可以设置 limit_side_len 为想要的值，比如 1216。

Q: 不同场景的参数配置建议？

高精度配置：limit_side_len=1216, thresh=0.3, box_thresh=0.5, unclip_ratio=1.5
高速度配置：limit_side_len=640, thresh=0.5, box_thresh=0.7, unclip_ratio=1.2
平衡配置：limit_side_len=960, thresh=0.4, box_thresh=0.6, unclip_ratio=1.5

6.5 错误处理

Q: 模型加载失败怎么办？

A: （1）检查模型路径是否正确（2）确保模型文件完整（inference.pdmodel, inference.pdiparams, inference.json）（3）设置模型下载源：os.environ['PADDLE_PDX_MODEL_SOURCE'] = 'BOS' （4）使用本地模型：指定model_dir参数

Q: 输入数据格式错误怎么办？

A: （1）检查图像文件是否存在（2）确保图像格式正确（支持PNG、JPG、JPEG）（3）验证图像尺寸（最小10x10像素）（4）检查图像是否为3通道格式