Onnx

把 withoutBG 的开放权重模型包成了一个纯 Go 库：github.com/lib-x/withoutbg-go 。和上一个 PP-OCRv6 的封装一样，用 pure-onnx 通过 purego 调 ONNX Runtime，不需要 CGO，也不用装 PyTorch。 这个模型做的是背景去除：输入一张 RGB 照片，输出一张 alpha 蒙版，把蒙版挂到原图的 alpha 通道上就是抠图。模型仓库是 withoutbg/withoutbg-openweights-onnx ，455MB，Apache-2.0。 这篇记录的重点和上一篇不同：上次的第一手来源是模型自带的 inference.yml，这次是模型自带的 sidecar JSON；上次的难点是动态形状和字典映射，这次的难点是几何（letterbox 怎么缩放、蒙版怎么裁回去），踩错一步人物边缘就会被啃掉一圈。 先看术语：抠图和它的度量 没接触过图像处理也没关系，先看这几个词。 抠图（matting）和分割（segmentation）不是一回事。 分割给每个像素一个"是不是前景"的二值标签，抠图给的是 0 到 1 之间的连续值，叫 alpha 蒙版。连续值是为了处理半透明和边缘过渡：发丝、玻璃、烟雾这类区域，一个像素里可能一半是前景一半是背景，硬二值会切出锯齿。这个模型输出的就是连续 alpha。 alpha 合成，把抠图结果和任意背景拼起来用的公式： $$ C = \alpha F + (1-\alpha) B $$ $F$ 是前景色，$B$ 是新背景，$\alpha$ 是蒙版值。$\alpha=1$ 保留原像素，$\alpha=0$ 完全换成背景，中间值按比例混合。库里 Remove() 返回的就是"原图颜色 + 新 alpha 通道"。 letterbox：把任意比例的图塞进正方形输入框的标准做法，等比缩放让长边贴到目标尺寸，空出来的地方填固定颜色。和直接拉伸成正方形的区别是：拉伸会改变物体形状，模型会把形变当成内容。 NCHW：张量内存布局，依次是批、通道、高、宽。这个模型的输入是 [1, 3, 448, 448]。 ...

把 PP-OCRv6 的检测和识别模型包成了一个纯 Go 库：github.com/lib-x/ppocr-v6-go 。用 pure-onnx 通过 purego 动态加载 ONNX Runtime，不需要 CGO，不用装 PaddlePaddle 和 OpenCV，除了两个模型文件，只有一个内嵌的字符字典。 代码量不大，时间主要花在把模型需要的参数一个个找出来，再验证对。这篇按"模型和文件从哪来、拿到新模型怎么入手、一张图怎么走完全流程"的顺序记录，中间有四个坑单独讲。 先看术语：检测、识别和它们背后的东西 整图 OCR 一般拆成两个模型。检测模型在整页图上找文字行，输出一堆框，它不认字；识别模型把每个框裁出来读成字符串，它不找位置。PP-OCRv6 是 PaddleOCR 的 v6 版本，det 和 rec 各有 medium / small / tiny 三档，本库用的是 medium det（约 62MB）和 small rec（约 21MB）。本库的组合是 medium det 加 small rec。模型卡表格里 medium 档检测 Hmean 是 86.2%、medium rec 识别准确率 83.2%，small rec 是 81.3%，论文在 arxiv 2606.13108 。这些是模型卡在标准测试集上的数字，和你手上某张图的端到端准确率是两回事。 模型以 ONNX 格式分发。ONNX 文件里除了权重，还存着一张计算图：节点怎么连、每个张量叫什么、形状是什么。ONNX Runtime 执行这张图，pure-onnx 用 purego 加载它的共享库，Go 侧就能直接跑推理。 ...