PaddleOCR中MobileNetV5模型微调与部署问题解析

模型微调与转换流程概述

在PaddleOCR项目中使用MobileNetV5（PP-OCRv5_mobile_rec）进行模型微调后，需要经过导出和转换流程才能部署到移动端。标准的流程包括：模型微调训练→导出为推理模型→转换为NB格式→移动端部署。这一过程中可能会遇到模型效果丢失的问题。

关键问题现象

用户反馈的主要问题是：微调后的模型在导出为PD格式时表现正常，但转换为NB格式后，模型失去了微调效果，反而恢复了官方预训练模型的特征表现。具体表现为：

1. 微调后的PD模型能够正确识别训练集（英文和数字）并失去部分中文识别能力
2. 转换后的NB模型却恢复了中文识别能力，同时丢失了微调效果

问题排查与解决方案

1. 模型导出格式确认

使用PaddleOCR 3.0分支的export_model.py脚本导出模型时，必须添加参数Global.export_with_pir=False以确保导出旧格式的PD模型。这是后续转换为NB格式的前提条件。

2. 转换工具版本匹配

确保使用与PaddlePaddle框架版本匹配的opt转换工具。推荐使用PaddlePaddle 3.1版本进行模型训练和转换，避免版本不兼容导致的问题。

3. 字典文件一致性检查

模型微调、推理和部署各阶段必须使用相同的字典文件。特别是当训练集只包含英文和数字时，需要确认：

• 字典文件是否完整包含所有训练字符
• 部署时是否使用了正确的字典文件
• 字典文件编码是否正确

4. 转换过程验证

建议按照以下步骤重新验证：

1. 从微调后的.pdparams文件开始
2. 导出为PD格式模型
3. 使用opt工具转换为NB格式
4. 部署前清理旧模型文件，避免文件混淆

技术要点总结

1. 模型格式转换：PaddleOCR目前仅支持旧格式PD模型转换为NB格式，必须使用export_with_pir=False参数。

2. 版本兼容性：推荐使用PaddlePaddle 3.1版本完成整个流程，包括训练、导出和转换。

3. 效果保持：确保转换过程中模型参数不被重置或修改，必要时可以对比转换前后模型的参数分布。

4. 部署验证：在移动端部署前，建议先在PC端使用Paddle Lite进行推理测试，验证模型效果是否保持一致。

经验建议

对于类似场景下的模型微调与部署，建议：

1. 保持训练、导出、转换和部署环境的一致性
2. 记录每个环节的模型MD5值，确保文件未被意外替换
3. 对于小样本微调，可以适当增加训练轮次，增强模型记忆
4. 在转换NB格式前，先用PD模型进行充分测试

通过以上方法，可以有效避免模型效果在转换过程中丢失的问题，确保微调成果能够正确部署到移动端应用。