feat(ocr,det,slide): 重构项目结构

- 优化 规范化模型目录
- 重构 Ocr，Detector，Slide 拆分规范化

tests/ocr_test.rs

@@ -1,8 +1,11 @@
-use ddddocr_rs::{Ocr, Slider, Detector, ModelMetadata, OcrSession, DetBuilder, DetSession}; // 假设你的包名是这个
+use ddddocr_rs::models::det::DetectionResult;
+use ddddocr_rs::{DetBuilder, DetSession, Detector, ModelMetadata, Ocr, OcrSession, Slider}; // 假设你的包名是这个
 use image::{DynamicImage, Rgb};
 use std::fs;
 use std::path::Path;
-use ddddocr_rs::models::det::DetectionResult;
+mod char_slice;
+use char_slice::CHARSET_BETA;
+use ddddocr_rs::models::ocr::metadata::{Normalization, Resize};
 
 fn load_image<P: AsRef<Path>>(path: P) -> anyhow::Result<image::DynamicImage> {
     // 1. 先将泛型转为具体的 &Path 引用
@@ -16,8 +19,8 @@ fn load_image<P: AsRef<Path>>(path: P) -> anyhow::Result<image::DynamicImage> {
 }
 /// 将检测结果绘制在图像上并保存
 fn save_debug_image(
-    dynamic_img: &DynamicImage,          // 【优化点 1】直接传入解码好的引用，拒绝重复解码
-    bboxes: &[DetectionResult],          // 【修改点 1】类型改为自定义结构体切片
+    dynamic_img: &DynamicImage, // 【优化点 1】直接传入解码好的引用，拒绝重复解码
+    bboxes: &[DetectionResult], // 【修改点 1】类型改为自定义结构体切片
     output_path: &str,
 ) -> anyhow::Result<()> {
     // 删除了原本的 let dynamic_img = image::load_from_memory(image_bytes)?;
@@ -60,17 +63,29 @@ fn save_debug_image(
     Ok(())
 }
 
-
 #[test]
 fn test_full_classification() {
     // 1. 初始化模型
-    let ocr = OcrSession::new("D:\\CNWei\\CNW\\Rust\\ddddocr-rs\\models\\common_sml2h3_f32.onnx",ModelMetadata::from_builtin_beta()).expect("模型加载失败");
+    let ocr = OcrSession::new(
+        "D:\\CNWei\\CNW\\Rust\\ddddocr-rs\\models\\common_sml2h3_f32.onnx",
+        ModelMetadata::from_static_slice(
+            CHARSET_BETA,
+            false,
+            Resize::DynamicWidth(64),
+            1,
+            Normalization::MinusOneToOne,
+        ),
+    )
+    .expect("模型加载失败");
 
     // 2. 加载测试图片
     let img = image::open("samples/code2.png").expect("测试图片不存在");
 
     // 3. 执行识别
-    let result = Ocr::new(&ocr).predict(&img).expect("识别过程出错").into_text();
+    let result = Ocr::new(&ocr)
+        .predict(&img)
+        .expect("识别过程出错")
+        .into_text();
 
     println!("识别结果: {}", result);
     assert!(!result.is_empty());
@@ -101,10 +116,7 @@ fn test_det_load() -> anyhow::Result<()> {
 
         for (i, bbox) in bboxes.iter().enumerate() {
             // 【修改点 3】将原来的 bbox[0].. 索引访问改为结构体字段访问
-            println!(
-                "目标 [{}]: x1={}, y1={}, x2={}, y2={}, 分数={:.4}, 类别ID={}",
-                i, bbox.x1, bbox.y1, bbox.x2, bbox.y2, bbox.score, bbox.class_id
-            );
+            println!("目标 [{}]: {}", i, bbox);
         }
     }
     Ok(())
@@ -129,9 +141,7 @@ fn test_real_slide_match() {
 
     // 3. 打印结果
     println!("-------------------------------------------");
-    println!("滑块匹配测试结果:");
-    println!("检测坐标: [x: {}, y: {}]", result.target_x, result.target_y);
-    println!("置信度: {:.4}", result.confidence);
+    println!("{}", result);
     println!("耗时: {:?}", duration);
     println!("-------------------------------------------");