如果图片太大的话, 图片识别结果为空

[snowman]

请提供下述完整信息以便快速定位问题

• 系统环境: Windows 10 Version 21H2 (OS Build 19044.1826)
• 版本号:
  • Paddle: 2.5.0
  • PaddleOCR: 2.6.1.3

我有 500 张图片, 每张图片大小一致 2560x1600, 每张图片固定区域想要识别, 需要识别的区域, 坐标相同, 大小相同.

x: 0
y: 100
width: 2560
height: 64

以下 joined_image 表示已经用 Pillow 拼接好的图片

> ocr = PaddleOCR(use_angle_cls=True, lang="en")
> [joined_image.width, joined_image.height]
[2560, 32000]

> count = 500
> joined_image.crop((0, 0, 2560, 64 * count)).save("output.jpg")
> ocr.ocr("output.jpg", cls=True)
[[]]

高度改小一点
> count = 40
> joined_image.crop((0, 0, 2560, 64 * count)).save("output.jpg")
> ocr.ocr("output.jpg", cls=True)
[
  [
    [
      [
        [133.0, 2410.0],
        [355.0, 2410.0],
        [355.0, 2447.0],
        [133.0, 2447.0]
      ],
      ("hello world", 0.9993047714233398)
    ],
    ...
  ]
]

[Gmgge]

你好，从我这边理解，你这边的想法是想要把多个图片拼接在一起，一次性识是吗？
这个想法存在一个问题，就是paddle ocr在识别的时候，会进行resize操作，在这里你可看到[resize]( parser.add_argument("--det_limit_side_len", type=float, default=960))的设置，也就是图像[2560, 32000]，会被resize成[76, 960], 此时图像高度压缩较为严重，因此，你需要调整这个det_limit_side_len这个参数，但需要注意的是，修改该参数会增加计算量与内存消耗，可以理解的是，你需要识别更多图像，自然就需要增加这些消耗。

因此当前有两点解决方案给出：

1. 按照上文分析，修改resize操作的参数；
2. 如果你可以放出一两个用例，则更方便他人来判断这个问题，例如不一定单排竖直拼接，你可以多排、竖直拼接，保证图像的长宽比例不会过于畸形；

[shiyutang]

回答得非常完整仔细👍

[shiyutang]

以上回答已经充分解答了问题，如果有新的问题欢迎随时提交issue，或者在此条issue下继续回复～
我们开启了飞桨套件的ISSUE攻关活动，欢迎感兴趣的开发者参加：PaddlePaddle/PaddleOCR#10223