导读｜腾讯云OCR团队在产品性能的长期优化实践中，结合客户使用场景及产品架构对服务耗时问题进行了深入剖析和优化。本文作者——腾讯研发工程师彭碧发详细介绍了OCR团队在耗时优化中的思路和方法(如工程优化、模型优化、TIACC加速等)，通过引入TSA算法使用TI-ACC减少模型的识别耗时，结合客户使用场景优化编解码逻辑、对关键节点的日志分流以及与客户所在地就近部署持续降低传输耗时，克服OCR耗时优化面临的环节多、时间短甚至成本有限的问题，最终实现了OCR产品平均耗时从1815ms降低到824ms。希望大家在阅读中能收获一些新的思路。

背景介绍

腾讯云OCR(文字识别)团队收到客户反馈称，腾讯云OCR在服务可用性和准确率方面都表现出色，但服务耗时还有可观的提升空间。因此，我所在的团队决定优化腾讯云OCR服务耗时，为用户提供更快的文字识别服务。

但是耗时优化是一个系统性工程，需要多方的支持和协作。文字识别服务进行耗时优化，主要有以下挑战：

环节多：耗时优化涉及多个环节，包括模型算法、TI-ACC、工程等。各环节都需要分析各自阶段耗时，制定完整的耗时优化目标。
时间短：客户耗时优化诉求强烈，但是给到的优化的时间很短。
成本考量：降本增效大背景下，单纯依赖机器的情况一去不复返。耗时优化方案也需要考虑成本优化。

我们成立了专项团队进行攻坚。业务团队从工程优化、模型优化、TI-ACC优化等方面发力，逐步降低服务耗时。优化前平均耗时1815ms，优化后平均耗时824ms，耗时性能提升2.2倍，并最终得到重要客户的肯定。接下来将介绍我们在耗时优化方面的具体实践，希望能给遭遇类似问题的你带来灵感。

分析问题

1）框架和链路分析

OCR服务通过云API接入，内部多个微服务间通过TRPC进行调用。基本架构图如下：

从客户发起请求到OCR服务处理完成主要链路为：

云API层：请求首先会传输到离客户最近的云API接入点，云API接入点会进行相应的鉴权、寻址、转发等操作。
业务逻辑层：文字识别逻辑层服务会对数据做处理、下载、计费、上报等操作。
引擎层：算法引擎服务对图片进行处理，识别出文字。

2）主要阶段耗时

主要涉及到下面几个阶段的耗时：

客户传输耗时：客户请求到云API和云API响应到客户链路的传输耗时在测试过程中发现波动很大。文字识别业务场景下请求传输的都是图片数据，这受客户网络带宽和质量的影响大。此外，因客户请求的文字识别服务在广州，所以请求需要跨地域。这进一步增加了传输耗时。
业务逻辑耗时：业务逻辑中有很多复杂的工程处理，主要耗时点包括数据处理、编解码、图片下载、路由、上报等。
算法引擎耗时：想达到更好的识别效果和泛化性，通用OCR模型会比较复杂。检测和识别都会涉及到复杂的浮点计算，耗时长。

因此，要优化文字识别服务的整体耗时，就需要从各个阶段进行详细分析和优化。

3）测试方法和结论

因为客户生产环境的机器在云服务器上，所以为了保持和客户测试条件一致，我们购买了和客户相同环境的云服务器(含北京、上海、广州)进行模拟测试，详细分析文字识别服务各个阶段耗时。

端到端耗时为客户请求发起直到收到响应的总耗时、客户到腾讯云API接入点以及云API响应给客户存在着公网传输的耗时、从云API接入后就是腾讯云内网链路服务的耗时。端到端耗时主要由客户传输耗时、云API耗时、业务逻辑层耗时、引擎耗时组成，经过多次请求通用OCR后统计各个阶段的平均耗时，具体情况为：

客户的传输耗时占比很大。主要是因为客户在北京发起请求，需要跨地域到广州的服务，存在很大的传输耗时，这部分需要我们通过优化部署来减低耗时。
在服务链路中，业务逻辑处理的耗时也较多。这部分耗时需要我们精益求精，优化工程逻辑和架构，进而降低耗时。
文字识别服务的引擎耗时占比最高。所以我们需要对算法引擎的耗时进行重点优化。

通过详细的各阶段耗时测试可以发现：引擎耗时占主要部分。所以我们会重点优化引擎耗时，这里的主要手段是模型优化和TI-ACC加速。为了做到极致优化，我们还通过日志分流和编解码优化降低了业务逻辑层耗时，同时服务就近多地部署，优化了客户传输耗时。

解决问题

1 ）模型优化—引入TSA算法减少模型耗时

优化之前耗时长度会随着文字字数增加显著变大。引入TSA算法可以明显改善这种情况，从而减少模型耗时。

OCR特点与算法过程分析

基于OCR的特点与难点，OCR问题学术界算法可以划分成两大类：基于CTC (Connectionist Temporal Classification)的流式文本识别方案；基于Attention的机器翻译的框架方案。

在基于深度学习的OCR识别算法中，整个流程可以归纳成了四个步骤如下图: 几何变换；特征提取；序列建模；对齐与输出。CTC方案与Attention方案区别主要是在最后一个步骤。它作为衔接视觉特征与语义特征的关键桥梁，可以根据上下文图像特征和语义特征做精确输入、输出的对齐，是OCR模型关键的过程。

针对上述特点与耗时问题，我们提出了TSA文本识别模型。

TSA研发背景

研究表明，图像对 CNN 的依赖是非必需的。当直接应用于图像块序列时，transformer 也能很好地执行图像分类任务。63%耗时在(BiLSTM+Global Attn，或attention形式)序列建模。

识别模型特点

特点1：引入self-attention算法对输入图像进行像素级别建模，并替代RNN完成序列建模。相比CNN与RNN，self-attention不受感受野和信息传递的限制，可以更好地处理长距离信息。

特点2：设计self-attention计算过程中的掩码mask。self-attention天然可以“无视”距离带来的影响，因此需要对输入像素间自注意力进行约束。其过程如下图所示。

总结：通过multi-head self-attention对序列建模，可以将两个任意时间片的建模复杂度由lstm的O (N)降低到 O(1)，预测速度大幅提升。优化后的算法和文本长度无关，对大文本得到成倍的加速提升。

2 ）TIACC加速优化—继续减少模型耗时

为了进一步降低模型的耗时，我们使用了 TI-ACC进行加速，TI-ACC支持多种框架和复杂场景，面向算法和业务工程师提供一键式推理加速功能。

支持复杂结构模型

OCR任务可以分为两大类：检测任务和识别任务。检测任务和识别任务一般会保存成两个独立的TorchScript模型，每个任务又分为了多个阶段。通用OCR检测任务包含了backbone(RepVGG等)、neck(FPN等）、head（Hourglass等）等部分。

识别任务包含特征提取部分和序列建模部分。其中特征提取部分既有传统CNN网络，也有最新ResT等基于Transformer的网络。序列建模部分既有传统RNN网络，也有基于Attention的网络。

加速OCR业务模型是对推理加速引擎兼容性的考验。下表分别对比了TIACC和Torch-TensorRT（22.08-py3-patch-v1）对本文模型加速能力：

降低请求延迟并提高系统吞吐

OCR业务不仅模型结构复杂，模型输入也很有特点。下图显示了本文其中一个模型的输入：

上述输入包括以下特点：输入类型多；输入shape变化范围大；有些最小shape维度是0；输入不仅包含Tensor也包含Tuple。仅仅上述模型输入格式，就会导致一些推理引擎不可用或加速效果不明显。举个例子，TensorRT不支持int64输入、Torch-TensorRT不支持Tuple输入。输入变化范围大会导致推理引擎显存消耗过高，导致某些推理引擎加速失败或无法单卡多路并行推理，进而导致无法有效提升TPS。对于OCR这种大调用量业务，TPS提升可以有效降低GPU卡规模从而带来可观成本降低。

针对OCR模型shape范围过大显存占用量高问题，TIACC能通过显存共享机制有效降低了显存占用。对于动态shape模型，推理加速引擎在部分shape加速明显，部分shape反而会性能降低的问题。TIACC通过重写关键算子、根据模型结构，选择业务全流程最优的算子实现，有效解决了实际业务中部分shape加速明显但整体加速不理想的问题。

通过打磨OCR业务模型，能提升模型的推理延迟。即使多路部署也可以有效提升模型的吞吐。下表显示了TIACC FP16相比libtorch FP16的加速倍数，数字越高越好。

TIACC底层使用了TNN作为基础框架，性能强大。其中TNN是优图实验室结合自身在AI场景多年的落地经验，也是向行业开源的部署框架。TIACC基于TNN最新研发的子图切分功能基础上做产品化封装，为企业提供 AI 模型训练、推理加速服务。它显著提高模型训练推理效率，降低成本。

3）工程优化——优化逻辑和传输耗时

编解码优化

文字识别采用微服务架构设计，整体服务链路长。其中涉及到TRPC、HTTP、Nginx-PB协议的转换和调用，所以请求和响应需要有很多的编解码操作。文字识别场景下，请求和响应包体都非常大，RPC协议之间的转换和编解码增加了计算耗时。为了进一步降低服务耗时，我们对这些编解码操作进行了整体的优化，减少了协议转换和编解码次数。

日志分流处理

在业务中有很多关键节点需要记录日志，便于问题定位。在文字识别业务场景下，日志需要脱敏处理大量识别出的文本数据，写入速度慢。为了避免日志操作影响服务响应耗时，我们设计了日志分流上报服务，将日志操作全部通过异步流程上报到其他微服务完成，减少主逻辑耗时。

就近部署—降低传输耗时

经过多次详细测试文字识别业务在北京、上海、广州区域机器发起请求的耗时差异，我们对跨地域传输耗时有了比较明确的认识。服务跨地域请求时（比如在北京发起请求，实际服务部署在广州），会存在很大的传输耗时波动，客户的使用体验会下降。因此我们针对通用OCR接口进行了就近多地部署，在服务部署的架构上对耗时进行了优化。

在文字识别跨地域请求时，我们进行多地部署。通用OCR接口线上多地部署发布以后，我们对线上云API记录的总耗时监控进行了观察和对比，耗时有了很明显的下降——某段时间内耗时从平均1100ms下降到800ms，下降了300ms。

GPU显存优化-提高系统吞吐

随着OCR业务功能点越来越多，业务中使用的AI模型越来越多且更复杂，所以对显存的要求也越来越大。显卡显存大小影响服务能开启并发数，而并发数影响服务的吞吐——所以显存往往成为业务吞吐量的瓶颈。

显存管理主要就是解决上述问题。其主要思想是解耦合显存占用大小跟服务并发路数之间的关系，提高并发路数不再导致显存增大，进而提升服务整体吞吐量；由服务路数实现并行方式转换为不同模型之间并行方式，提高了GPU计算的并行度，更好的充分利用GPU资源。以通用OCR为例，下图可以看使用前后GPU利用率变化和显存占用变化。