PP-OCRv6-Small 是百度飞桨团队推出的第六代超轻量级文本识别模型。该模型在经典“检测-分类-识别”三阶段管线的基础上，深度融合了最新的轻量化视觉 Transformer（ViT）算子与动态自适应特征对齐技术。通过对骨干网络进行极致的裁剪与参数重构，PP-OCRv6-Small 在不牺牲推理速度的前提下，大幅攻克了倾斜文本、艺术字体及工业场景中反光、暗光等极端文字识别的痛点。该模型原生支持算子级的高效量化与硬件级并行，体积紧凑且吞吐量极高，是智能相机、边缘计算网关、智慧物流手持终端等 AIoT 边缘算力平台实现本地高精度、低延迟文本结构化提取的全新利器。

源模型

• 输入尺寸: det 1x3x480x480, rec 1x3x48x320
• 参数量: det 2.45M, rec 5.27M
• 模型大小: det 9.42M,rec 20.18M
• 输出尺寸：det 1x480x480x1, rec 1x40x18710

源模型仓库：PaddleOCR

Model Farm 提供预编译好的模型资源以及推理代码，支持以下两种方式获取：

• 通过 Model Farm 页面获取：在右侧性能参考板块中点击模型 & 代码获取模型资源及代码包。

• 通过命令获取（推荐）：持有阿加犀开发板的用户，可以通过开发板内置的 MMS 工具获取模型资源及代码包。

# 模型查询
mms list [model name]

# 模型资源获取
mms get -m [model name] -p [precision] -c [soc] -b [backend] -d [file path]

MMS 具体使用请参考：MMS 使用 & 提前获取预览版块模型

当用户对源模型进行过微调，需要重新进行模型转换。

用户可以自行参考以下两种方式完成模型转换：

• 使用 AIMO 完成模型转换：在右侧性能参考板块中点击模型转换参考查看模型转换步骤

• 使用高通 QNN 完成模型转换：请参考 Qualcomm QNN 文档

Model Farm 所提供的模型性能基准测试以及示例代码皆基于阿加犀AidLite SDK 实现。

对于模型文件格式为 .bin 的模型，可以使用以下两种推理引擎完成模型在高通芯片上推理：

• 使用 APLUX AidLite 推理：详情请参考 APLUX AidLite 开发者文档

• 使用 Qualcomm QNN 推理：请参考 Qualcomm QNN 文档

推理示例代码

推理示例代码是基于 AidLite SDK 实现

点击模型 & 代码下载模型文件和推理代码包，文件结构如下

/{model_name}_{SoC Name}_{Precision}
    
    |__ models # folder where model files are stored    
    
    |__ code # aidlite python model inference example

        |__ python # aidlite python model inference example

        |__ cpp # aidlite cpp model inference example

        |__ README.md