PaddleOCR中SLANet模型TEDS评估差异问题解析

问题背景

在使用PaddleOCR项目中的SLANet模型对PubTabNet数据集进行表格结构识别评估时，发现实际测试得到的TEDS(表格结构识别评估指标)与官方文档中报告的性能指标存在显著差异。具体表现为：

1. 使用最新版本PaddleOCR时，TEDS得分仅为0.4689，远低于官方报告的0.9585
2. 通过单张图片测试发现，模型预测的HTML结构与真实标注存在较大差异
3. 更换不同版本的PaddleOCR pip包(2.6.0-2.8.0)均未能解决问题

问题排查过程

初步验证

首先对PubTabNet验证集中的前几张图片进行了单独测试，发现模型预测的表格HTML结构与真实标注确实存在较大差异。例如第一张图片的TEDS得分仅为0.3616，表明模型在表格结构识别和内容识别上都存在问题。

环境检查

确认了运行环境配置：

• Python 3.11
• PaddlePaddle 3.0.0b2
• CUDA 12.4
• 每次测试前都清除了缓存文件(ocr.pickle和structure.pickle)

版本对比测试

尝试了多种解决方案：

1. 通过pip安装不同版本的PaddleOCR(2.6.0-2.8.0)
2. 在不同计算机上进行测试
3. 使用TableRec Master分支

这些尝试均未能解决问题，TEDS得分仍然偏低。

问题根源

最终发现问题的关键在于版本切换方式。之前仅通过pip安装不同版本的PaddleOCR包，而没有同步切换代码仓库的版本。正确的做法应该是：

1. 使用git checkout命令切换到特定版本标签
2. 例如：git checkout tags/v2.8.0

解决方案

采用正确的版本切换方式后：

1. TEDS得分提升至0.9585，与官方报告结果一致
2. 表格结构识别准确率显著提高
3. 模型预测的HTML结构与真实标注高度吻合

经验总结

1. 版本一致性：在使用开源项目时，必须确保代码仓库版本与依赖包版本完全一致
2. 缓存管理：评估前清除缓存文件是正确的做法，但需要配合完整的版本切换
3. 评估方法：对于表格识别任务，TEDS是更全面的评估指标，应关注结构识别和内容识别的综合表现
4. 环境隔离：建议使用虚拟环境或容器技术来管理不同版本的实验环境

最佳实践建议

1. 对于PaddleOCR项目，推荐使用git管理代码，并通过标签切换版本
2. 表格识别任务评估时，建议先在小样本上验证评估流程的正确性
3. 记录完整的运行环境配置，包括Python版本、CUDA版本等
4. 对于性能差异问题，可以从模型权重、预处理流程、后处理逻辑等多方面排查

通过本次问题排查，我们深入理解了PaddleOCR表格识别模块的工作机制，也为类似问题的解决提供了参考方案。