detection.md 5.6 KB
Newer Older
1 2
# 文字检测

L
LDOUBLEV 已提交
3
本节以icdar15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 10
,您可以通过wget的方式进行下载。
```
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
```

T
fix doc  
tink2123 已提交
17
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:
18
```
T
tink2123 已提交
19
/PaddleOCR/train_data/icdar2015/text_localization/
20 21 22 23 24 25
  └─ 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
```

D
dyning 已提交
26
提供的标注文件格式为,其中中间是"\t"分隔:
27 28 29 30
```
" 图像文件名                    json.dumps编码的图像标注信息"
ch4_test_images/img_61.jpg    [{"transcription": "MASA", "points": [[310, 104], [416, 141], [418, 216], [312, 179]], ...}]
```
T
fix doc  
tink2123 已提交
31 32
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。
`transcription` 表示当前文本框的文字,在文本检测任务中并不需要这个信息。
L
LDOUBLEV 已提交
33
如果您想在其他数据集上训练PaddleOCR,可以按照上述形式构建标注文件。
34 35


L
LDOUBLEV 已提交
36
## 快速启动训练
37

L
LDOUBLEV 已提交
38
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、ResNet50_vd,
L
LDOUBLEV 已提交
39
您可以根据需求使用[PaddleClas](https://github.com/PaddlePaddle/PaddleClas/tree/master/ppcls/modeling/architectures)中的模型更换backbone。
40
```
L
LDOUBLEV 已提交
41
cd PaddleOCR/
42
# 下载MobileNetV3的预训练模型
T
fix doc  
tink2123 已提交
43
wget -P ./pretrain_models/ https://paddle-imagenet-models-name.bj.bcebos.com/MobileNetV3_large_x0_5_pretrained.tar
44
# 下载ResNet50的预训练模型
T
fix doc  
tink2123 已提交
45
wget -P ./pretrain_models/ https://paddle-imagenet-models-name.bj.bcebos.com/ResNet50_vd_ssld_pretrained.tar
46 47 48 49 50 51 52 53 54 55 56 57

# 解压预训练模型文件,以MobileNetV3为例
tar xf ./pretrain_models/MobileNetV3_large_x0_5_pretrained.tar ./pretrain_models/

# 注:正确解压backbone预训练权重文件后,文件夹下包含众多以网络层命名的权重文件,格式如下:
./pretrain_models/MobileNetV3_large_x0_5_pretrained/
  └─ conv_last_bn_mean
  └─ conv_last_bn_offset
  └─ conv_last_bn_scale
  └─ conv_last_bn_variance
  └─ ......

58 59 60
```

**启动训练**
T
tink2123 已提交
61 62 63

*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*

64
```
L
LDOUBLEV 已提交
65
python3 tools/train.py -c configs/det/det_mv3_db.yml -o Global.pretrain_weights=./pretrain_models/MobileNetV3_large_x0_5_pretrained/
66 67 68
```

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
69
有关配置文件的详细解释,请参考[链接](./config.md)
70 71 72

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
```
T
tink2123 已提交
73
python3 tools/train.py -c configs/det/det_mv3_db.yml -o Optimizer.base_lr=0.0001
74 75
```

L
LDOUBLEV 已提交
76 77 78 79 80 81 82 83 84
**断点训练**

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:
```
python3 tools/train.py -c configs/det/det_mv3_db.yml -o Global.checkpoints=./your/trained/model
```

**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
85
## 指标评估
86 87 88 89 90

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

运行如下代码,根据配置文件det_db_mv3.yml中save_res_path指定的测试集检测结果文件,计算评估指标。

L
fix doc  
LDOUBLEV 已提交
91
评估时设置后处理参数box_thresh=0.6,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
92
```
L
fix doc  
LDOUBLEV 已提交
93
python3 tools/eval.py -c configs/det/det_mv3_db.yml  -o Global.checkpoints="{path/to/weights}/best_accuracy" PostProcess.box_thresh=0.6 PostProcess.unclip_ratio=1.5
94
```
L
LDOUBLEV 已提交
95 96 97 98
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。

比如:
```
L
fix doc  
LDOUBLEV 已提交
99
python3 tools/eval.py -c configs/det/det_mv3_db.yml  -o Global.checkpoints="./output/det_db/best_accuracy" PostProcess.box_thresh=0.6 PostProcess.unclip_ratio=1.5
L
LDOUBLEV 已提交
100 101
```

102
* 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
103

L
LDOUBLEV 已提交
104
## 测试检测效果
L
LDOUBLEV 已提交
105 106 107

测试单张图像的检测效果
```
108
python3 tools/infer_det.py -c configs/det/det_mv3_db.yml -o TestReader.infer_img="./doc/imgs_en/img_10.jpg" Global.checkpoints="./output/det_db/best_accuracy"
L
LDOUBLEV 已提交
109 110
```

111 112 113 114 115 116
测试DB模型时,调整后处理阈值,
```
python3 tools/infer_det.py -c configs/det/det_mv3_db.yml -o TestReader.infer_img="./doc/imgs_en/img_10.jpg" Global.checkpoints="./output/det_db/best_accuracy" PostProcess.box_thresh=0.6 PostProcess.unclip_ratio=1.5
```


L
LDOUBLEV 已提交
117 118
测试文件夹下所有图像的检测效果
```
119
python3 tools/infer_det.py -c configs/det/det_mv3_db.yml -o TestReader.infer_img="./doc/imgs_en/" Global.checkpoints="./output/det_db/best_accuracy"
L
LDOUBLEV 已提交
120
```