From 6b73e5f47a78f744ceed7987f645918d990ebe01 Mon Sep 17 00:00:00 2001 From: dyning Date: Wed, 26 Aug 2020 17:25:52 +0800 Subject: [PATCH] Update FAQ.md --- doc/doc_ch/FAQ.md | 11 ++++++----- 1 file changed, 6 insertions(+), 5 deletions(-) diff --git a/doc/doc_ch/FAQ.md b/doc/doc_ch/FAQ.md index de22d1fe..ca548423 100644 --- a/doc/doc_ch/FAQ.md +++ b/doc/doc_ch/FAQ.md @@ -270,7 +270,7 @@ **A**:近期也在开展需求调研,如果企业用户需求较多,我们会考虑增加相应的研发投入,后续提供对应的预训练模型,如果有需求欢迎通过issue或者加入微信群联系我们。 -#### Q3.1.17:超轻量模型和通用OCR模型的区别? +#### Q3.1.15:超轻量模型和通用OCR模型的区别? **A**:理论上只要有相应的数据集,都是可以的。当然手写识别毕竟和印刷体有区别,对应训练调优策略可能需要适配性优化。 @@ -280,7 +280,7 @@ PaddleOCR已完成Windows和Mac系统适配,并且python预测支持使用pip包安装。运行时注意两点:1、在[快速安装](./installation.md)时,如果不想安装docker,可跳过第一步,直接从第二步安装paddle开始。2、inference模型下载时,如果没有安装wget,可直接点击模型链接或将链接地址复制到浏览器进行下载,并解压放置到相应目录。 -#### Q3.1.15:PaddleOCR是否支持在Windows或Mac系统上运行? +#### Q3.1.17:PaddleOCR是否支持在Windows或Mac系统上运行? **A**:目前PaddleOCR开源了2个中文模型,分别是8.6M超轻量中文模型和通用中文OCR模型。两者对比信息如下: - 相同点:两者使用相同的**算法**和**训练数据**; - 不同点:不同之处在于**骨干网络**和**通道参数**,超轻量模型使用MobileNetV3作为骨干网络,通用模型使用Resnet50_vd作为检测模型backbone,Resnet34_vd作为识别模型backbone,具体参数差异可对比两种模型训练的配置文件. @@ -377,7 +377,6 @@ unclip_ratio: 文本框扩张的系数,关系到文本框的大小`` ``` return paddle.reader.multiprocess_reader(readers, False, queue_size=320) - ``` #### Q3.3.6:可不可以将pretrain_weights设置为空呢?想从零开始训练一个model @@ -403,11 +402,13 @@ return paddle.reader.multiprocess_reader(readers, False, queue_size=320) #### Q3.3.11:自己训练出来的未inference转换的模型 可以当作预训练模型吗? **A**:可以的,但是如果训练数据两量少的话,可能会过拟合到少量数据上,泛化性能不佳。 -#### Q3.3.13:使用带TPS的识别模型预测报错 + +#### Q3.3.12:如何更换文本检测/识别的backbone? **A**:直接更换配置文件里的Backbone.function即可,格式为:网络文件路径,网络Class名词。如果所需的backbone在PaddleOCR里没有提供,可以参照PaddleClas里面的网络结构,进行修改尝试。具体修改原则可以参考OCR通用问题中 "如何更换文本检测/识别的backbone" 的回答。 -#### Q3.3.12:如何更换文本检测/识别的backbone? +#### Q3.3.13:使用带TPS的识别模型预测报错 + **A**:报错信息:'''Input(X) dims[3] and Input(Grid) dims[2] should be equal, but received X dimension[3](320) != Grid dimension[2](100) **A**:TPS模块暂时无法支持变长的输入,请设置 --rec_image_shape='3,32,100' --rec_char_type='en' 固定输入shape -- GitLab