用途：OCDNet 用于场景文本检测，能在自然图像中检测任意方向的文本区域，采用可微分二值化方法。该技能覆盖训练、评估、推理、导出、剪枝、量化、重训练及 TensorRT 部署等动作。
主要能力：模型骨干默认 deformable_resnet18，可变形卷积有助检测不规则文本。训练监控指标为 hmean。关键参数包括 train.optimizer.args.lr（默认 0.001，Adam）、postprocess.thresh（文本区域二值化阈值）与 postprocess.box_thresh（框置信度过滤阈值）。设置 train.pretrained_model_path 可加载预训练权重。
使用方式：数据集类型为 ocdnet，格式 default。每个动作都必须构造数据源路径并写入 spec_overrides，例如训练需 dataset.train_dataset.data_path 指向 train.tar.gz、dataset.validate_dataset.data_path 指向 test.tar.gz。训练典型覆盖项含 train.num_epochs、checkpoint_interval、validation_interval、num_gpus 及新批次大小。模型层已启用 AutoML：未显式关闭时，train 动作默认路由到 tao-skill-bank:tao-run-automl，并保留数据、spec、输出目录、GPU 与父检查点等覆盖；仅当 automl_policy 为 off 或缺少已打包的 train schema/template 时改用直接训练。非训练动作（evaluate、inference、export、deploy）仍由本模型技能处理。多 GPU 由 Lightning 管理，支持 ddp、fsdp、deepspeed_stage_3_offload，其中 deepspeed_stage_3_offload 为 OCDNet 独有支持并强制 FP16。推理映射应在本技能文档内维护，由运行器用 SDK 助手在 create_job() 前应用，父级模型可通过 parent_job_id 传入。
限制：硬件最低 1 GPU，建议 1 GPU，每 GPU 8GB+ 显存。检测率偏低时可调整 postprocess.thresh 与 box_thresh。TensorRT 相关操作需先阅读 references/tao-deploy-ocdnet.md。未提供的收费、价格与平台信息暂未提供。