angle_class.md 4.3 KB
Newer Older
W
WenmuZhou 已提交
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47
## 文字角度分类

### 数据准备

请按如下步骤设置数据集:

训练数据的默认存储路径是 `PaddleOCR/train_data/cls`,如果您的磁盘上已有数据集,只需创建软链接至数据集目录:

```
ln -sf <path/to/dataset> <path/to/paddle_ocr>/train_data/cls/dataset
```

请参考下文组织您的数据。
- 训练集

首先请将训练图片放入同一个文件夹(train_images),并用一个txt文件(cls_gt_train.txt)记录图片路径和标签。

**注意:** 默认请将图片路径和图片标签用 `\t` 分割,如用其他方式分割将造成训练报错

0和180分别表示图片的角度为0度和180度

```
" 图像文件名                 图像标注信息 "

train_data/cls/word_001.jpg   0
train_data/cls/word_002.jpg   180
```

最终训练集应有如下文件结构:
```
|-train_data
    |-cls
        |- cls_gt_train.txt
        |- train
            |- word_001.png
            |- word_002.jpg
            |- word_003.jpg
            | ...
```

- 测试集

同训练集类似,测试集也需要提供一个包含所有图片的文件夹(test)和一个cls_gt_test.txt,测试集的结构如下所示:

```
|-train_data
    |-cls
W
WenmuZhou 已提交
48
        |- cls_gt_test.txt
W
WenmuZhou 已提交
49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64
        |- test
            |- word_001.jpg
            |- word_002.jpg
            |- word_003.jpg
            | ...
```

### 启动训练

PaddleOCR提供了训练脚本、评估脚本和预测脚本。

开始训练:

*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*

```
W
WenmuZhou 已提交
65
# GPU训练 支持单卡,多卡训练,通过selected_gpus指定卡号
W
WenmuZhou 已提交
66
# 启动训练,下面的命令已经写入train.sh文件中,只需修改文件里的配置文件路径即可
W
WenmuZhou 已提交
67
python3 -m paddle.distributed.launch --selected_gpus '0,1,2,3,4,5,6,7'  tools/train.py -c configs/cls/cls_mv3.yml
W
WenmuZhou 已提交
68 69 70 71
```

- 数据增强

W
WenmuZhou 已提交
72
PaddleOCR提供了多种数据增强方式,如果您希望在训练时加入扰动,请在配置文件中取消`Train.dataset.transforms`下的`RecAug``RandAugment`字段的注释。
W
WenmuZhou 已提交
73 74 75 76

默认的扰动方式有:颜色空间转换(cvtColor)、模糊(blur)、抖动(jitter)、噪声(Gasuss noise)、随机切割(random crop)、透视(perspective)、颜色反转(reverse),随机数据增强(RandAugment)。

训练过程中除随机数据增强外每种扰动方式以50%的概率被选择,具体代码实现请参考:
W
WenmuZhou 已提交
77 78
[rec_img_aug.py](../../ppocr/data/imaug/rec_img_aug.py) 
[randaugment.py](../../ppocr/data/imaug/randaugment.py)
W
WenmuZhou 已提交
79 80 81 82 83

*由于OpenCV的兼容性问题,扰动操作暂时只支持linux*

### 训练

W
WenmuZhou 已提交
84 85 86 87 88 89 90 91 92 93 94
PaddleOCR支持训练和评估交替进行, 可以在 `configs/cls/cls_mv3.yml` 中修改 `eval_batch_step` 设置评估频率,默认每1000个iter评估一次。训练过程中将会保存如下内容:
```bash
├── best_accuracy.pdopt # 最佳模型的优化器参数
├── best_accuracy.pdparams # 最佳模型的参数
├── best_accuracy.states # 最佳模型的指标和epoch等信息
├── config.yml # 本次实验的配置文件
├── latest.pdopt # 最新模型的优化器参数
├── latest.pdparams # 最新模型的参数
├── latest.states # 最新模型的指标和epoch等信息
└── train.log # 训练日志
```
W
WenmuZhou 已提交
95 96 97 98 99 100 101

如果验证集很大,测试将会比较耗时,建议减少评估次数,或训练完再进行评估。

**注意,预测/评估时的配置文件请务必与训练一致。**

### 评估

W
WenmuZhou 已提交
102
评估数据集可以通过修改`configs/cls/cls_mv3.yml`文件里的`Eval.dataset.label_file_list` 字段设置。
W
WenmuZhou 已提交
103 104 105 106 107 108 109 110 111 112 113 114 115

```
export CUDA_VISIBLE_DEVICES=0
# GPU 评估, Global.checkpoints 为待测权重
python3 tools/eval.py -c configs/cls/cls_mv3.yml -o Global.checkpoints={path/to/weights}/best_accuracy
```

### 预测

* 训练引擎的预测

使用 PaddleOCR 训练好的模型,可以通过以下脚本进行快速预测。

W
WenmuZhou 已提交
116
通过 `Global.infer_img` 指定预测图片或文件夹路径,通过 `Global.checkpoints` 指定权重:
W
WenmuZhou 已提交
117 118 119

```
# 预测分类结果
W
WenmuZhou 已提交
120
python3 tools/infer_cls.py -c configs/cls/cls_mv3.yml -o Global.checkpoints={path/to/weights}/best_accuracy Global.infer_img=doc/imgs_words/ch/word_1.jpg
W
WenmuZhou 已提交
121 122 123 124
```

预测图片:

W
WenmuZhou 已提交
125
![](../imgs_words/ch/word_1.jpg)
W
WenmuZhou 已提交
126 127 128 129

得到输入图像的预测结果:

```
W
WenmuZhou 已提交
130 131
infer_img: doc/imgs_words/ch/word_1.jpg
     result: ('0', 0.9998784)
W
WenmuZhou 已提交
132
```