Question 1

PaddleOCR SealRecognitionが空の印章認識結果（seal_res_list: []）を返すのはなぜですか？また、どのように修正すればよいですか？

Accepted Answer

根本原因：SealRecognition はデフォルトでレイアウト検出を有効にします（use_layout_detection=True）。組み込みの PP-DocLayout-L レイアウトモデルは、赤い円形の印鑑スタンプを無効な領域として分類し、下流の印鑑検出パイプラインを遮断します。修正方法：パイプラインの初期化時にレイアウト検出を無効にします：

```python
from paddleocr import SealRecognition
ocr = SealRecognition(device="gpu", use_layout_detection=False)
result = ocr.predict(input="testpic.png")
```

これにより印鑑検出が復元されます。注意：リング状の印鑑上の円形／円弧状のテキストは、公式パイプラインではまだ完全にはサポートされていません（矩形クロッピングでは湾曲したテキストを処理できず、検出ボックスがずれる場合があります）。PaddleOCR 3.7.0 時点では公式の修正はありません。コミュニティで推奨されているアプローチは、印鑑のポリゴンを抽出して極座標アンラッピングを適用し、認識前に円弧状テキストをまっすぐに矯正するか、カスタムの印鑑検出モデルをファインチューニングすることです。

Question 2

スマートクォートを含む画像で発生する PaddleOCRVL llama-cpp-server の HTTP 500 "Failed to parse input" エラーの修正方法

Accepted Answer

これは llama.cpp b9637 で、カーリークォート/スマートクォート(U+201C/U+201D)を含む PaddleOCR-VL の出力が不正な UTF-8 または U+FFFD バイトにデコードされ、llama-server の chat-template パーサーが HTTP 500 を返す場合に発生します。すると PaddleOCR 3.7.0 は保留中のすべての VLM ブロックをキャンセルし、`predict()` 呼び出し全体を失敗させます。

推奨される修正: 「chat: sanitize invalid UTF-8 before peg-native parsing」というタイトルのアップストリームの修正を含むビルドに `llama-server` を更新または再ビルドし、サーバーを再起動してから `predict()` を再実行してください。

一時的な PaddleOCR の回避策: `paddlex/inference/models/doc_vlm/predictor.py` の `DocVLMGenAIClientPredictor._genai_client_process()` にパッチを適用し、すべての future をキャンセルして例外を再送出する代わりに、失敗したブロックが空のコンテンツを返すようにします:

```python
import logging

contents = [""] * len(futures)

for idx, future in enumerate(futures):
    try:
        contents[idx] = future.result().choices[0].message.content or ""
    except Exception as exc:
        logging.warning("Skipping failed VLM block %s: %s", idx, exc)
        contents[idx] = ""
```

保留中の future をキャンセルして `raise` を呼び出すグローバルハンドラーを削除または置き換えてください。失敗した段落は空白になりますが、残りのブロックとページ出力は生成されます。インストールされたファイルは次のコマンドで特定できます:

```bash
python -c "import paddlex, os; print(os.path.dirname(paddlex.__file__))"
```

パッチ適用後は Python を再起動してください。llama.cpp を更新する方が望ましい方法です。なぜなら、パーサーの失敗自体を防ぐことができるからです。

Question 3

メモリが増加し続けてBadAlloc/ResourceExhaustedErrorがスローされる場合の、PaddleOCR PP-OCRv3検出バリデーションにおけるGPU OOMの修正方法

Accepted Answer

これは通常、`DetResizeForTest` 適用後に検証画像の H/W サイズが一定でないことが原因で発生します。PaddlePaddle のキャッシングアロケータが新しい形状ごとにブロックを保持し続け、学習/オプティマイザのメモリも T4 上に常駐したままになるためです。PP-OCRv3 の det 設定で、評価時の入力サイズを小さくするか固定してください：

```yaml
Eval:
  loader:
    batch_size_per_card: 1
  dataset:
    transforms:
      - DetResizeForTest:
          limit_type: max
          limit_side_len: 736   # それでも OOM になる場合は 640 を試してください
```

デフォルトは `960` であることが多いです。メモリの再利用を決定的にするには、32 で割り切れる固定形状に置き換えます。例：

```yaml
- DetResizeForTest:
    image_shape: [3, 640, 960]
```

評価ループを変更している場合は、推論が autograd なしで実行されることを確認してください：

```python
model.eval()
with paddle.no_grad():
    for batch in eval_loader:
        preds = model(images)
```

一時的な回避策として、学習前に CUDA managed memory を有効にします。古いエラーメッセージに表示されている `false` ではなく、`true` を使用してください：

```bash
export FLAGS_use_cuda_managed_memory=true
python tools/train.py -c configs/det/ch_PP-OCRv3/ch_PP-OCRv3_det_distill_train.yml
```

学習中の検証がそれでも失敗する場合は、オプティマイザの状態や学習用キャッシュが常駐しないよう、評価を別途実行してください：

```bash
python tools/eval.py \
  -c configs/det/ch_PP-OCRv3/ch_PP-OCRv3_det_distill_train.yml \
  -o Global.checkpoints=<output_dir>/best_accuracy
```

さらに、`Train.loader.batch_size_per_card` を `1` に減らすか、より大きな GPU を使用するという選択肢もあります。

PaddleOCR

概要

README プレビュー

FAQ (3)

同类型项目

browser-use

puppeteer

manim

docling