tarasha

换个部署方案吧。转 onnx ，有显卡的话用 trt 更快（启动慢）。

可以试试 bge-m3 ，可以将文本转换为密集向量和稀疏向量（）。
然后密集向量在 es 中存储为 Dense_Vector ，稀疏向量用 Rank_Features 。
最后 KnnQuery + RankFeatureQuery 混合检索，效果很好。

借楼请教下大家。我感觉 idea 查看 markdown 预览特别卡顿，但是 vscode 预览 markdown 却很流畅。这是为什么，有什么办法解决吗？

晶核是不是要无了

借楼问下，努比亚能刷 color os 吗

@qinyui 我这边有训练好的，不知道你要不要。

@qinyui 还是需要训练下的，需要自定义字典文件。也就是分类。看下这个：
https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.7/doc/doc_ch/kie.md

我也是用的百度的 ocr-kie 。kie 可以将识别出的文本分类，例如：
{'NAME_KEY': [], 'NAME_VALUE': ['姓名张三'], 'SEX_KEY': ['性别男民族汉'], 'SEX_VALUE': [], 'NATION_KEY': [], 'NATION_VALUE': []}
唯一需要排序的场景是地址的提取，因为地址可能会换行。
我的办法是通过对比地址和证件号码的位置关系，确定照片的角度是哪一种，然后再依据每种角度来排序
0°：左上角 Y 点从小到大
90°：左上角 X 点从大到小
180°：左上角 Y 点从大到小
270°：左上角 X 点从小到大

# points 结构为 [[左上角 X, 左上角 Y], [右上角 X, 右上角 Y], [右下角 X, 右下角 Y], [左下角 X, 左下角 Y]]
# X 从左至右增大，Y 从上至下增大
# 计算地址文本块水平宽度 右上角 X - 左上角 X
x_length = address_points[1][0] - address_points[0][0]
# 计算地址文本块垂直高度 左下角 Y - 左上角 Y
y_length = address_points[3][1] - address_points[0][1]
# 判断图片是否水平
# 若地址文本块水平宽度大于垂直高度则说明图片处于 0°或 180°，否则处于 90°或 270°
is_horizontal = x_length > y_length
# 判断图片是否反转
# 若水平且地址文本块左上角 Y 点大于证件号码文本块左上角 Y 点 （即地址位于号码下方）则处于 180°
# 若非水平且地址文本块左上角 X 点大于证件号码文本块左上角 X 点 （即地址位于号码右侧），则处于 90°
is_reverse = (is_horizontal and address_points[0][1] >= number_points[0][1]) or \
(not is_horizontal and address_points[0][0] >= number_points[0][0])
# 执行排序
sorted_address_data = sorted(
address_data, reverse=is_reverse,
key=lambda x: x['points'][0][1 if is_horizontal else 0],
)

yolo -> ncnn?