PPStructureV3调用默认文本识别模型与本地微调模型结果一样

[jjamds-25]

pipeline = PPStructureV3(
text_det_limit_type="max",
text_det_limit_side_len=1200,
)
# pipeline = PPStructureV3(
#     text_det_limit_type="max",
#     text_det_limit_side_len=1200,
#     paddlex_config="PP-StructureV3.yaml")
output = pipeline.predict("ori_img")
for res in output:
    res.print() ## 打印预测的结构化输出
    res.save_to_json(save_path="./output/outputs") ## 保存当前图像的结构化json结果
    res.save_to_img(save_path="./output/outputs")

PP-StructureV3.yaml中修改了TextRecognition的model_dir

也使用过TextRecognition测试过，微调后的模型与默认模型在识别结果上是有区别的，不知道为什么调用PPStructureV3方法得到的识别结果却是一样的 from paddleocr import TextRecognition

# model = TextRecognition(model_name="PP-OCRv5_server_rec",model_dir="/Users/shuhan/BigModel/Model_action_analysis/PaddleOCR-release-3.2/PP-OCRv5_server_rec_infer/")
model = TextRecognition(model_name="PP-OCRv5_server_rec")
output = model.predict(input="/Users/shuhan/BigModel/Model_action_analysis/PaddleOCR-release-3.2/train_data/val/crop_img", batch_size=1)

for res in output:
    res.print()

    res.save_to_img(save_path="./output/outputs")

    res.save_to_json(save_path="./output/outputs/res.json")

PPStructureV3模型加载日志也显示从指定文件夹读取模型