Struct Rec 

pub struct Rec { /* private fields */ }

载入好的识别模型。

Implementations

impl Rec

pub fn load(dir: &Path) -> Result<Rec, String>

dir 是模型目录：model.safetensors、config.json、preprocessor_config.json（含字符表）。

Examples found in repository

examples/rec_check.rs (line 41)

fn main() {
    let a: Vec<String> = std::env::args().skip(1).collect();
    let t = Instant::now();
    let rec = pagesift_ocr::rec::Rec::load(std::path::Path::new(&a[0])).unwrap();
    println!("载入 {:.0} ms", t.elapsed().as_secs_f64() * 1e3);
    for p in &a[1..] {
        let img = read_ppm(p);
        let t = Instant::now();
        let (text, score) = rec.recognize(&img).unwrap();
        let ms = t.elapsed().as_secs_f64() * 1e3;
        let name = std::path::Path::new(p)
            .file_name()
            .unwrap()
            .to_string_lossy();
        println!(
            "{name}\t{}x{}\t{ms:.0} ms\t{score:.3}\t{text}",
            img.width, img.height
        );
    }
}

pub fn recognize(&self, line: &Image) -> Result<(String, f32), String>

识别一行字的图（已裁出、拉正成水平的一行）。返回文字和置信度。

Examples found in repository

examples/rec_check.rs (line 46)

fn main() {
    let a: Vec<String> = std::env::args().skip(1).collect();
    let t = Instant::now();
    let rec = pagesift_ocr::rec::Rec::load(std::path::Path::new(&a[0])).unwrap();
    println!("载入 {:.0} ms", t.elapsed().as_secs_f64() * 1e3);
    for p in &a[1..] {
        let img = read_ppm(p);
        let t = Instant::now();
        let (text, score) = rec.recognize(&img).unwrap();
        let ms = t.elapsed().as_secs_f64() * 1e3;
        let name = std::path::Path::new(p)
            .file_name()
            .unwrap()
            .to_string_lossy();
        println!(
            "{name}\t{}x{}\t{ms:.0} ms\t{score:.3}\t{text}",
            img.width, img.height
        );
    }
}

pub fn input_channels(&self) -> usize

网络输入的通道数。

pub fn input_height(&self) -> usize

网络输入的高。

pub fn preprocess(&self, line: &Image) -> Result<Tensor, String>

预处理一行图成网络输入 [3, 48, W]。

pub fn logits_on<E: Exec>(&self, e: &E, x: &E::T) -> E::T

网络部分：[3, 48, W] → [T, 字符表] 的 logits，在执行器上算。

pub fn decode(&self, rows: &[(u32, f32)]) -> (String, f32)

CTC 贪心解码：输入每步的（最大类，其概率）。先去相邻重复、再去 blank； 置信度是保留下来的各字最大概率的平均。