Orientation Classifier

分类含义

快速使用

import numpy as np
import onnxruntime as ort
from PIL import Image

session = ort.InferenceSession("fachuan-orientation-classifier.onnx")

img = Image.open("receipt.jpg").convert("RGB").resize((384, 384))
arr = np.array(img, dtype=np.float32).transpose(2, 0, 1) / 255.0
mean = np.array([0.485, 0.456, 0.406]).reshape(3, 1, 1)
std = np.array([0.229, 0.224, 0.225]).reshape(3, 1, 1)
arr = ((arr - mean) / std).unsqueeze(0)

logits = session.run(None, {"pixel_values": arr})[0]
predicted_class = int(np.argmax(logits, axis=1)[0])
ROTATION_MAP = {0: 0, 1: 180, 2: -90, 3: -270}
print(f"预测方向: {predicted_class}°, 需旋转: {ROTATION_MAP[predicted_class]}°")

训练数据

使用法穿(Fachuan)项目内部票据图片训练,包含发票、收据、微信聊天截图等场景。

• 训练集:1116 张(279 张原始图 × 4 个旋转角度)
• 验证集:276 张
• 数据增强:RandomResizedCrop、ColorJitter

训练元信息

详见 convnextv2-acc996.json

许可证

MIT License

--- language: - zh tags: - image-classification - orientation-detection - document-scanning - onnx library_name: onnxruntime license: mit --- # Fachuan 图片方向分类器 基于 ConvNeXtV2-Atto 微调的四方向图片分类 ONNX 模型，专为票据/文档图片自动旋转设计。 ## 模型信息 | 项目 | 值 | |------|-----| | 基础模型 | facebook/convnextv2-atto-1k-224 | | 参数量 | 3.7M | | 输入分辨率 | 384 × 384 | | 输入格式 | float32 [1, 3, 384, 384]，ImageNet 归一化 | | 输出 | float32 [1, 4] → 0° / 90° / 180° / 270° | | 验证准确率 | 99.6% | | 模型大小 | ~13 MB（INT8 量化） | ## 分类含义 | 类别索引 | 目录名 | 含义 | 后端旋转角度 | |---------|--------|------|-------------| | 0 | 0 | 正向，无需旋转 | 0° | | 1 | 180 | 上下颠倒 | 180° | | 2 | 270 | 逆时针旋转 | -90° | | 3 | 90 | 顺时针旋转 | -270° | ## 快速使用 ```python import numpy as np import onnxruntime as ort from PIL import Image session = ort.InferenceSession("fachuan-orientation-classifier.onnx") img = Image.open("receipt.jpg").convert("RGB").resize((384, 384)) arr = np.array(img, dtype=np.float32).transpose(2, 0, 1) / 255.0 mean = np.array([0.485, 0.456, 0.406]).reshape(3, 1, 1) std = np.array([0.229, 0.224, 0.225]).reshape(3, 1, 1) arr = ((arr - mean) / std).unsqueeze(0) logits = session.run(None, {"pixel_values": arr})[0] predicted_class = int(np.argmax(logits, axis=1)[0]) ROTATION_MAP = {0: 0, 1: 180, 2: -90, 3: -270} print(f"预测方向: {predicted_class}°, 需旋转: {ROTATION_MAP[predicted_class]}°") ``` ## 训练数据 使用法穿（Fachuan）项目内部票据图片训练，包含发票、收据、微信聊天截图等场景。 - 训练集：1116 张（279 张原始图 × 4 个旋转角度） - 验证集：276 张 - 数据增强：RandomResizedCrop、ColorJitter ## 训练元信息 详见 [convnextv2-acc996.json](convnextv2-acc996.json) ## 许可证 MIT License