detection.md 6.3 KB
Newer Older
1 2
# 文字检测

L
licx 已提交
3
本节以icdar2015数据集为例,介绍PaddleOCR中检测模型的训练、评估与测试。
4

L
LDOUBLEV 已提交
5
## 数据准备
6 7
icdar2015数据集可以从[官网](https://rrc.cvc.uab.es/?ch=4&com=downloads)下载到,首次下载需注册。

T
fix doc  
tink2123 已提交
8
将下载到的数据集解压到工作目录下,假设解压在 PaddleOCR/train_data/ 下。另外,PaddleOCR将零散的标注文件整理成单独的标注文件
9
,您可以通过wget的方式进行下载。
L
licx 已提交
10
```shell
T
fix doc  
tink2123 已提交
11 12 13 14
# 在PaddleOCR路径下
cd PaddleOCR/
wget -P ./train_data/  https://paddleocr.bj.bcebos.com/dataset/train_icdar2015_label.txt
wget -P ./train_data/  https://paddleocr.bj.bcebos.com/dataset/test_icdar2015_label.txt
15 16
```

L
LDOUBLEV 已提交
17
PaddleOCR 也提供了数据格式转换脚本,可以将官网 label 转换支持的数据格式。 数据转换工具在 `ppocr/utils/gen_label.py`, 这里以训练集为例:
W
WenmuZhou 已提交
18 19 20

```
# 将官网下载的标签文件转换为 train_icdar2015_label.txt
W
WenmuZhou 已提交
21
python gen_label.py --mode="det" --root_path="/path/to/icdar_c4_train_imgs/"  \
W
WenmuZhou 已提交
22 23
                    --input_path="/path/to/ch4_training_localization_transcription_gt" \
                    --output_label="/path/to/train_icdar2015_label.txt"
W
WenmuZhou 已提交
24 25
```

T
fix doc  
tink2123 已提交
26
解压数据集和下载标注文件后,PaddleOCR/train_data/ 有两个文件夹和两个文件,分别是:
27
```
T
tink2123 已提交
28
/PaddleOCR/train_data/icdar2015/text_localization/
29 30 31 32 33 34
  └─ icdar_c4_train_imgs/         icdar数据集的训练数据
  └─ ch4_test_images/             icdar数据集的测试数据
  └─ train_icdar2015_label.txt    icdar数据集的训练标注
  └─ test_icdar2015_label.txt     icdar数据集的测试标注
```

L
licx 已提交
35
提供的标注文件格式如下,中间用"\t"分隔:
36 37
```
" 图像文件名                    json.dumps编码的图像标注信息"
L
LDOUBLEV 已提交
38
ch4_test_images/img_61.jpg    [{"transcription": "MASA", "points": [[310, 104], [416, 141], [418, 216], [312, 179]]}, {...}]
39
```
T
fix doc  
tink2123 已提交
40
json.dumps编码前的图像标注信息是包含多个字典的list,字典中的 `points` 表示文本框的四个点的坐标(x, y),从左上角的点开始顺时针排列。
L
licx 已提交
41
`transcription` 表示当前文本框的文字,**当其内容为“###”时,表示该文本框无效,在训练时会跳过。**
42

L
licx 已提交
43
如果您想在其他数据集上训练,可以按照上述形式构建标注文件。
44

L
LDOUBLEV 已提交
45
## 快速启动训练
46

W
WenmuZhou 已提交
47
首先下载模型backbone的pretrain model,PaddleOCR的检测模型目前支持两种backbone,分别是MobileNetV3、ResNet_vd系列,
48 49
您可以根据需求使用[PaddleClas](https://github.com/PaddlePaddle/PaddleClas/tree/develop/ppcls/modeling/architectures)中的模型更换backbone,
对应的backbone预训练模型可以从[PaddleClas repo 主页中找到下载链接](https://github.com/PaddlePaddle/PaddleClas#mobile-series)
L
licx 已提交
50
```shell
L
LDOUBLEV 已提交
51
cd PaddleOCR/
52
# 根据backbone的不同选择下载对应的预训练模型
53
# 下载MobileNetV3的预训练模型
54
wget -P ./pretrain_models/ https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/MobileNetV3_large_x0_5_pretrained.pdparams
W
WenmuZhou 已提交
55
# 或,下载ResNet18_vd的预训练模型
56
wget -P ./pretrain_models/ https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/ResNet18_vd_pretrained.pdparams
W
WenmuZhou 已提交
57
# 或,下载ResNet50_vd的预训练模型
58
wget -P ./pretrain_models/ https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/ResNet50_vd_ssld_pretrained.pdparams
59

60 61
```

L
licx 已提交
62
#### 启动训练
T
tink2123 已提交
63 64 65

*如果您安装的是cpu版本,请将配置文件中的 `use_gpu` 字段修改为false*

L
licx 已提交
66
```shell
L
update  
LDOUBLEV 已提交
67
# 单机单卡训练 mv3_db 模型
L
LDOUBLEV 已提交
68
python3 tools/train.py -c configs/det/det_mv3_db.yml \
L
update  
LDOUBLEV 已提交
69
     -o Global.pretrain_weights=./pretrain_models/MobileNetV3_large_x0_5_pretrained/
70
# 单机多卡训练,通过 --gpus 参数设置使用的GPU ID
L
LDOUBLEV 已提交
71
python3 -m paddle.distributed.launch --gpus '0,1,2,3' tools/train.py -c configs/det/det_mv3_db.yml \
L
update  
LDOUBLEV 已提交
72
     -o Global.pretrain_weights=./pretrain_models/MobileNetV3_large_x0_5_pretrained/
73 74
```

L
update  
LDOUBLEV 已提交
75

L
LDOUBLEV 已提交
76
上述指令中,通过-c 选择训练使用configs/det/det_db_mv3.yml配置文件。
L
LDOUBLEV 已提交
77
有关配置文件的详细解释,请参考[链接](./config.md)
78 79

您也可以通过-o参数在不需要修改yml文件的情况下,改变训练的参数,比如,调整训练的学习率为0.0001
L
licx 已提交
80
```shell
L
LDOUBLEV 已提交
81
python3 tools/train.py -c configs/det/det_mv3_db.yml -o Optimizer.base_lr=0.0001
82 83
```

L
licx 已提交
84
#### 断点训练
L
LDOUBLEV 已提交
85 86

如果训练程序中断,如果希望加载训练中断的模型从而恢复训练,可以通过指定Global.checkpoints指定要加载的模型路径:
L
licx 已提交
87
```shell
L
LDOUBLEV 已提交
88
python3 tools/train.py -c configs/det/det_mv3_db.yml -o Global.checkpoints=./your/trained/model
L
update  
LDOUBLEV 已提交
89 90


L
LDOUBLEV 已提交
91 92
```

L
licx 已提交
93
**注意**`Global.checkpoints`的优先级高于`Global.pretrain_weights`的优先级,即同时指定两个参数时,优先加载`Global.checkpoints`指定的模型,如果`Global.checkpoints`指定的模型路径有误,会加载`Global.pretrain_weights`指定的模型。
L
LDOUBLEV 已提交
94

L
LDOUBLEV 已提交
95
## 指标评估
96 97 98

PaddleOCR计算三个OCR检测相关的指标,分别是:Precision、Recall、Hmean。

L
LDOUBLEV 已提交
99
运行如下代码,根据配置文件`det_db_mv3.yml``save_res_path`指定的测试集检测结果文件,计算评估指标。
100

L
LDOUBLEV 已提交
101
评估时设置后处理参数`box_thresh=0.5``unclip_ratio=1.5`,使用不同数据集、不同模型训练,可调整这两个参数进行优化
L
licx 已提交
102
训练中模型参数默认保存在`Global.save_model_dir`目录下。在评估指标时,需要设置`Global.checkpoints`指向保存的参数文件。
L
licx 已提交
103
```shell
L
LDOUBLEV 已提交
104
python3 tools/eval.py -c configs/det/det_mv3_db.yml  -o Global.checkpoints="{path/to/weights}/best_accuracy" PostProcess.box_thresh=0.5 PostProcess.unclip_ratio=1.5
L
LDOUBLEV 已提交
105 106
```

L
LDOUBLEV 已提交
107

L
licx 已提交
108
* 注:`box_thresh``unclip_ratio`是DB后处理所需要的参数,在评估EAST模型时不需要设置
109

L
LDOUBLEV 已提交
110
## 测试检测效果
L
LDOUBLEV 已提交
111 112

测试单张图像的检测效果
L
licx 已提交
113
```shell
114
python3 tools/infer_det.py -c configs/det/det_mv3_db.yml -o Global.infer_img="./doc/imgs_en/img_10.jpg" Global.pretrained_model="./output/det_db/best_accuracy"
L
LDOUBLEV 已提交
115 116
```

117
测试DB模型时,调整后处理阈值,
L
licx 已提交
118
```shell
119
python3 tools/infer_det.py -c configs/det/det_mv3_db.yml -o Global.infer_img="./doc/imgs_en/img_10.jpg" Global.pretrained_model="./output/det_db/best_accuracy"  PostProcess.box_thresh=0.6 PostProcess.unclip_ratio=1.5
120 121 122
```


L
LDOUBLEV 已提交
123
测试文件夹下所有图像的检测效果
L
licx 已提交
124
```shell
125
python3 tools/infer_det.py -c configs/det/det_mv3_db.yml -o Global.infer_img="./doc/imgs_en/" Global.pretrained_model="./output/det_db/best_accuracy"
L
LDOUBLEV 已提交
126
```