cv_resnet18_ocr-detection-db-line-level_damo on Ascend NPU

1. 简介

本文档记录 DBNet (Differentiable Binarization) 文字检测模型在昇腾 NPU (Ascend 910B3) 上的迁移适配与精度验证结果。

DBNet 是 OCR 流水线中的文字检测环节，基于 ResNet18 骨干网络，通过可微分二值化实现文本区域的像素级分割。模型输出二值分割图，后处理通过轮廓提取得到文本行边界框。

2. 验证环境

组件	版本
`CANN`	`8.5.1`
`torch`	`2.8.0`
`torch_npu`	`2.8.0.post4`
`modelscope`	`1.37.0`
`numpy`	`1.24.4`
`opencv-python-headless`	`4.13.0`

NPU：Ascend 910B3，单卡推理
模型大小：约 12.3M 参数，~49MB

3. 推理启动

pip install torch==2.8.0 torch_npu==2.8.0.post4 modelscope opencv-python-headless numpy \
    pyclipper shapely sortedcontainers simplejson addict datasets pyarrow \
    -i https://mirrors.huaweicloud.com/repository/pypi/simple

python inference.py --image document.jpg --device npu

4. Smoke 验证

CPU 推理输出 [1, 1, 640, 640] 分割图，正常
NPU 推理输出同形状，正常
首轮 NPU 含算子编译预热

5. 性能参考

指标	CPU	NPU (Ascend 910B3)
平均耗时	`1444.6 ms`	`6.2 ms`
中位耗时	`1421.6 ms`	`6.2 ms`
加速比	—	233.3x

6. 精度评测

指标	数值
输出形状	`[1, 1, 640, 640]`
鲁棒平均相对误差	0.1116%
精度要求	平均相对误差 < 1%
精度评测	通过

7. 注意事项

模型通过 model.detector 获取 DBModel，直接输入 Tensor [1,3,H,W] 得到分割图
完整 OCR 流水线为：文字检测（本模型）→ 裁剪文本区域 → 文字识别（ConvNextViT / LightweightEdge）
后处理（分割图 → 文本边界框）需在 CPU 执行，使用 pyclipper + shapely 库

1. 简介

本文档记录 DBNet (Differentiable Binarization) 文字检测模型在昇腾 NPU (Ascend 910B3) 上的迁移适配与精度验证结果。