SimdPaddleOCR 1.4.2

发布 SimdPaddleOCR 1.4.2。这一版把 CLS 测试集正确率拉到了 100%。

DET 长行如果整行挤进 160×80，字形会被压扁，0/180 就变成噪声。1.4.2 对宽高比超过 4:1 的行只采样左边 4×height 窗口，再按原来的 keep-aspect + RecNorm 送进网络。2:1 太短，倒着的拉丁尾巴仍会漏翻；4:1 是正确率和简单性比较合适的折中。

本机 DET 匹配行 1022/1022，CI 1020/1020。墙钟和内存相对 1.4 不变。

完整数字见 docs/perf.md。NuGet：Sdcb.SimdPaddleOCR。

SimdPaddleOCR 1.4

非常自豪地发布 SimdPaddleOCR 1.4。这一版把 1.3 没开闸的路径补上了：墙钟更快、工作集腰斩、medium 正确率贴上 C，像素也不用再先转成 BGR。

性能碉堡

图级 NHWC 从「仅 AVX2」扩到 ns2 / x64 scalar / net10 AdvSIMD。预处理直接写 NHWC，少一次输入搬家。

本机 Ryzen 7 5800X、4 worker、同一套 100 张（墙钟 n=99）：

模型	路径	1.3	1.4	相对
tiny	net10 AVX2	86.0 ms	63.1 ms	0.73×
tiny	ns2	203.1 ms	96.5 ms	0.48×
small	net10 AVX2	222 ms	200 ms	0.90×
medium	net10 AVX2	628 ms	585 ms	0.93×
medium	ns2	1606 ms	874 ms	0.54×

CI 上 linux-arm64 N2 tiny-4w 241 → 180 ms（约快 25%）；win-x64 7763 的 ns2 343 → 228 ms。AVX2 默认路径和 1.3 持平，台阶在以前吃不到 NHWC 的那些人。

内存优化

tiny 工作集峰值 804 → 515 MB，medium 2489 → 1206 MB。CI 同一把尺子：7763 817 → 515 MB，N2 840 → 572 MB，Δ WS 从大约 400 MB 掉到 100–160 MB。

正确率优化

CLS 预处理改回 PaddleOCR ClsResizeImg 保比例，细长拉丁行不再被拉成 160×80 后 0/180 翻面。本机同一 1036 行：tiny / small 没动；medium CER 0.67% → 0.26%，已经贴上 lw.PPOCR.C 的 0.24%。

像素格式

Run 默认仍是 Bgr24，也可以直接吃 RGB24 / BGRA32 / RGBA32。swizzle 发生在本来就要做的 resize / warp 里，不摊一张中间 BGR。ImageSharp 的 Rgba32、Skia / Bitmap 的 BGRA 可以原样送进来。

LINQPad

NuGet 包带 4 个脚本：imagesharp / skiasharp / opencvsharp5 / bitmap。下载示例图，tiny 模型识别，控制台输出文字。打了 linqpad-samples 标签，免费版也能用。bitmap 在 LINQPad 5 / .NET Framework 4.8 和 .NET 10 上都能跑。

完整数字和读数规则见 docs/perf.md。NuGet：Sdcb.SimdPaddleOCR。

SimdPaddleOCR 1.3.0

AVX2+FMA 上对连续卷积段走图级 NHWC；netstandard2.0 / ARM / PPOCR_NHWC=0 仍是 NCHW。正确率不变。

相对 1.2

同一 CPU、同一 ISA、PP-OCRv6 tiny、去掉 warmup 的中位墙钟（34818949921 vs 34303303418）：

• win-x64（EPYC 7763 AVX2）：4 worker 232 → 160 ms（约快 31%，吞吐约 1.45×）。强制 noavx512 同样是 0.69×。
• win-x64 netstandard2.0（无 NHWC）：361 → 343 ms，几乎没动。
• linux-arm64（Neoverse N2）：273 → 241 ms（约快 12%）。
• 同 replica OpenVINO / 本库：1.2 为 0.96（OV 略快）；1.3 为 1.38（本库反超）。

本机 Ryzen 7 5800X、medium 4 worker、同一 100 张：相对标签 1.2.0 1507 → 641 ms（约 0.43×，吞吐约 2.3×），CER 仍 0.68%。

当前基准（1.3）

GitHub-hosted runner，tiny，34818949921：

平台	ISA	中位 ms/图	工作集峰值
win-x64 / EPYC 7763	AVX2	160	~817 MB
win-x64 netstandard2.0	AVX2（Vector，无 NHWC）	343	~775 MB
linux-arm64 / Neoverse N2	AdvSimd（无 NHWC）	241	~840 MB

正确率跨 Windows / Linux / macOS 与 scalar 都是 757/1022、CER 3.53%。

本机引擎对比（Ryzen 7 5800X，4 worker，仓库 dataset/ 100 张，n=99）。c 为 lw.PPOCR.C 20d0de6（2026-09-14 DLL）。墙钟是 mean ms/图。

模型	引擎	mean ms/图	相对本库	行精确	CER	工作集峰值
tiny	本库	87.8	1.00	734/1026	2.71%	803 MB
tiny	OpenVINO.NET	132	1.51	644/1026	3.55%	2785 MB
tiny	lw.PPOCR.C	186	2.12	744/1026	4.01%	539 MB
medium	本库	641	1.00	992/1026	0.68%	2430 MB
medium	OpenVINO.NET	1077	1.68	810/1026	1.74%	4516 MB
medium	lw.PPOCR.C	2193	3.42	1004/1026	0.24%	1481 MB

small 和读数规则见 docs/perf.md。NuGet：Sdcb.SimdPaddleOCR 1.3.0。

SimdPaddleOCR 1.2.0

ARM64 上把 AdvSimd 铺进热路径；win-x64 默认 AVX2 与 1.1 持平。正确率不变。

相对 1.1

同一 CPU、同一 ISA、PP-OCRv6 tiny、去掉 warmup 的中位墙钟：

• linux-arm64（Neoverse N2）：4 worker 472 → 273 ms（约快 42%，吞吐约 1.73×）；1 worker 658 → 399 ms（约快 40%）。scalar 几乎没动。
• win-x64 关掉 AVX 的 Vector128：554 → 494 ms（约快 11%）。
• win-x64 默认 AVX2（EPYC 7763）：233 → 238 ms，持平。

当前基准（1.2）

GitHub-hosted runner，tiny，4 次 CI 合计：

平台	ISA	中位 ms/图	工作集峰值
win-x64 / EPYC 7763	AVX2	238	~790 MB
win-x64 netstandard2.0	AVX2（Vector）	373	~785 MB
linux-arm64 / Neoverse N2	AdvSimd	273	~847 MB

同机引擎对比（win-x64 / EPYC 7763，tiny 4 worker）：

引擎	中位 ms/图	工作集峰值	行精确	CER
本库	224	~790 MB	757/1022	3.53%
lw.PPOCR.C	281	~586 MB	759/1022	4.18%
OpenVINO.NET	214	~2600 MB	698/1022	3.63%

lw.PPOCR.C 用的是 2026 年 8 月底的一份构建，不代表其最新版本。

正确率跨 Windows / Linux / macOS 与 scalar 都是 757/1022、CER 3.53%。墙钟接近 OpenVINO.NET、比该份 C 快约 26%；工作集约 OpenVINO.NET 的 1/3。

环境、ISA 阶梯和读数规则见 docs/perf.md。NuGet：Sdcb.SimdPaddleOCR 1.2.0。