[hnlyf168]

为整页 90°、180°、270° 倾转增加可选的纸张方向识别第一阶段：先分类并校正整页，再执行 DET → 文本行 CLS → REC。返回的行框和 CTC 字符框仍使用原始输入图坐标，已有加载方式保持兼容。

模型与接入

• 新增独立 Sdcb.SimdPaddleOCR.Models.DocumentOrientation NuGet 项目，只依赖 ModelProvider，不合并到现有中文模型包。
• 使用官方 PP-LCNet_x1_0_doc_ori，支持 0°、90°、180°、270°。PP-LCNet_x1_0_textline_ori 仅支持 0°/180°，也已下载并独立导出为 ONNX，保留现有文本行分类模型。
• PaddleOcrAll.Load/LoadAsync 接收独立方向 provider；可单独设置后端、线程预算、置信度阈值或关闭阶段。
• 预处理遵循 PaddleX 的 RGB、短边 256、中心裁剪 224、ImageNet 归一化，只计算裁剪区域；整页旋转使用整数像素拷贝，支持四种像素格式和非紧密 stride。
• 新增代码及配套转换、验证、性能测试工具包含中文方法和参数注释。

转换与算子

• 固定源模型 revision，并记录源文件、输出模型的 SHA-256 和转换工具版本。
• Paddle2ONNX 关闭内置优化导出后，使用独立 onnxsim 简化，再执行严格形状推导与 ONNX checker。两个模型均从 310 节点简化为 113 节点。
• 每个模型用 15 组输入比较原始 Paddle、原始 ONNX、简化 ONNX；ONNX Runtime 图优化关闭。纸张模型最大绝对误差 3.5763e-7，文本行模型 4.1724e-7，全部最高分类一致。
• 导入时将 Gemm 展开为现有 MatMul/Add 等节点，支持转置、缩放及广播偏置，复用 CPU/WASM/GPU 实现；修复 Constant 内部名称与输出边不同导致常量丢失的问题。
• 对 RTX 3060 的小 1×1 特征图调整 Vulkan Split-K 点积路径选择，保留环境变量对照旧路径。

验证

• .NET 10 单元测试：131 通过；netstandard2.0：128 通过；方向专项：12 通过。
• 本机 CPU、RTX 3060 Vulkan、真实 Edge 浏览器 WASM（解释及 AOT）均通过四方向标签、文本、行框和字符框验证。Vulkan 验证实际会话有效，未静默回落。
• 独立 NuGet 打包及仅使用本地 NuGet 源、无项目引用的模型加载烟测通过。
• 中文 XML 注释编译检查，Python/Node/PowerShell 语法检查通过。

本机 i7-12700、32 GB RAM、RTX 3060 12 GiB，500×500 样例（16 行，预先旋转 90°），单请求连续运行，各模式两轮、每轮 20 秒；耗时含预处理，完整 OCR 含整页旋转，排除模型加载和 JPEG 解码：

模式	平均耗时	进程 CPU	进程工作集
方向识别 / CPU	2.82 ms	12.3%	108.8 MiB
方向识别 / Vulkan	1.02 ms	3.0%	242.4 MiB
完整 OCR / CPU	36.93 ms	40.2%	239.7 MiB
完整 OCR / Vulkan	15.32 ms	9.9%	332.4 MiB

完整 OCR 在该样例上约快 2.41 倍；CPU 占用按 20 个逻辑处理器归一化。CPU 方向第二轮存在长尾，以上平均包含两轮全部调用。GPU/显存指标为整卡读数，包含桌面和其他程序；完整基线、P95、峰值和采样记录见资源报告。方向功能的 GPU 实测覆盖本机 Vulkan，其他设备的方向模型性能未在本次本机测试中验证。

接入、转换复现与验证记录：

• docs/document-orientation.md
• docs/document-orientation-validation.json
• docs/resource-performance.md
• docs/resource-performance-validation.json

使用示例：

using Sdcb.SimdPaddleOCR.Models.DocumentOrientation;

using var ocr = await PaddleOcrAll.LoadAsync(
    ChineseV6TinyModels.Default,
    documentOrientation: DocumentOrientationModel.Provider,
    options: null);