You need to sign in or sign up before continuing.
提交 8bce9baa 编写于 作者: W weishengyu

change doc and move style_text to root folder

上级 da1c7fe0
### 快速上手 ## Style Text Rec
Style-Text是对百度自研文本编辑算法《Editing Text in the Wild》中提出的SRNet网络的改进,不同于常用的GAN的方法只选择一个分支,该工具将文本合成任务分解为三个子模块,文本风格迁移模块、背景抽取模块和前背景融合模块,来提升合成数据的效果。下图显示了一些示例结果。 ### 目录
[TOC]
此外,在实际铭牌文本识别场景和韩语文本识别场景,验证了该合成工具的有效性,具体如下。 ### 工具简介
<div align="center">
<img src="../imgs_style_text/3.png" width="800">
</div>
Style-Text是对百度自研文本编辑算法《Editing Text in the Wild》中提出的SRNet网络的改进,不同于常用的GAN的方法只选择一个分支,该工具将文本合成任务分解为三个子模块,文本风格迁移模块、背景抽取模块和前背景融合模块,来提升合成数据的效果。下图显示了一些示例结果。
<div align="center">
<img src="../imgs_style_text/1.png" width="800">
<img src="../imgs_style_text/2.png" width="800">
</div>
#### 环境配置 此外,在实际铭牌文本识别场景和韩语文本识别场景,验证了该合成工具的有效性。
1. 参考[快速安装](./installation.md),安装PaddlePaddle并准备环境。强烈建议您使用python3环境。 ### 环境配置
1. 参考[快速安装](./installation.md),安装PaddleOCR。强烈建议您使用python3环境。
2. 进入`style_text_rec`目录,下载模型,并解压: 2. 进入`style_text_rec`目录,下载模型,并解压:
```bash ```bash
cd tools/style_text_rec cd style_text_rec
wget /path/to/style_text_models.zip wget /https://paddleocr.bj.bcebos.com/dygraph_v2.0/style_text/style_text_models.zip
unzip style_text_models.zip unzip style_text_models.zip
``` ```
您可以在 [此处](https://paddleocr.bj.bcebos.com/dygraph_v2.0/style_text/style_text_models.zip) 下载模型文件。如果您选择了其他下载位置,请在`configs/config.yml`中修改模型文件的地址,修改时需要同时修改这三个配置: 如果您将模型保存再其他位置,请在`configs/config.yml`中修改模型文件的地址,修改时需要同时修改这三个配置:
``` ```
bg_generator: bg_generator:
...@@ -31,17 +42,19 @@ fusion_generator: ...@@ -31,17 +42,19 @@ fusion_generator:
pretrain: style_text_models/fusion_generator pretrain: style_text_models/fusion_generator
``` ```
### 快速上手
#### 合成单张图片
1. 运行tools/synth_image,生成示例图片: 1. 运行tools/synth_image,生成示例图片:
```python ```python
python -m tools.synth_image -c configs/config.yml python3 -m tools.synth_image -c configs/config.yml
``` ```
1. 运行后,会生成`fake_busion.jpg`,即为最终结果。除此之外,程序还会生成并保存中间结果: 1. 运行后,会生成`fake_busion.jpg`,即为最终结果。
<div align="center">
<img src="../imgs_style_text/4.jpg" width="800">
</div>
除此之外,程序还会生成并保存中间结果:
* `fake_bg.jpg`:为风格参考图去掉文字后的背景; * `fake_bg.jpg`:为风格参考图去掉文字后的背景;
* `fake_text.jpg`:是用提供的字符串,仿照风格参考图中文字的风格,生成在灰色背景上的文字图片。 * `fake_text.jpg`:是用提供的字符串,仿照风格参考图中文字的风格,生成在灰色背景上的文字图片。
...@@ -54,26 +67,6 @@ python -m tools.synth_image -c configs/config.yml ...@@ -54,26 +67,6 @@ python -m tools.synth_image -c configs/config.yml
### 高级使用 ### 高级使用
#### 组件介绍
`Style Text Rec`主要包含以下组件:
* `style_samplers`:风格图片采样器,负责返回风格图片。目前我们提供了`DatasetSampler`,可以从一个有标注的数据集中采样。
* `corpus_generators`:语料生成器,负责生成语料。目前提供了两种语料成生成器:
* `EnNumCorpus`:根据给定的长度生成随机字符串,字符可能是大小写英文字母、数字和空格。
* `FileCorpus`:读取指定的文本文件,并随机返回其中的单词.
* `text_drawers`:标准字体图片生成器,负责根据输入的语料,生成标准字体的图片。注意,使用该组件时,一定要根据语料修改对应的语言信息,否则可能会书写失败。
* `predictors`:预测器,根据给定的风格图片和标准字体图片,调用深度学习模型,生成新的数据。`predictor`是整个算法的核心模块。
* `writers`:文件输出器,负责将合成的图片与标签文件写入硬盘。
* `synthesisers`:合成器,负责调用各个模块,完成数据合成。
### 合成数据集
在开始合成数据集前,需要准备一些素材。 在开始合成数据集前,需要准备一些素材。
首先,需要风格图片作为合成图片的参考依据,这些数据可以是用作训练OCR识别模型的数据集。本例中使用带有标注文件的数据集作为风格图片. 首先,需要风格图片作为合成图片的参考依据,这些数据可以是用作训练OCR识别模型的数据集。本例中使用带有标注文件的数据集作为风格图片.
...@@ -84,7 +77,7 @@ python -m tools.synth_image -c configs/config.yml ...@@ -84,7 +77,7 @@ python -m tools.synth_image -c configs/config.yml
* `image_home`:风格图片目录; * `image_home`:风格图片目录;
* `label_file`:风格图片路径列表文件,如果所用数据集有label,则label_file为label文件路径; * `label_file`:风格图片路径列表文件,如果所用数据集有label,则label_file为label文件路径;
* `with_label`:标志`label_file`是否为label文件。 * `with_label`:标志`label_file`是否为label文件。
* `CorpusGenerator` * `CorpusGenerator`
* `method`:语料生成方法,目前有`FileCorpus``EnNumCorpus`可选。如果使用`EnNumCorpus`,则不需要填写其他配置,否则需要修改`corpus_file``language` * `method`:语料生成方法,目前有`FileCorpus``EnNumCorpus`可选。如果使用`EnNumCorpus`,则不需要填写其他配置,否则需要修改`corpus_file``language`
* `language`:语料的语种; * `language`:语料的语种;
...@@ -99,11 +92,52 @@ python -m tools.synth_image -c configs/config.yml ...@@ -99,11 +92,52 @@ python -m tools.synth_image -c configs/config.yml
3. 如果您想使用并行方式来快速合成数据,可以通过启动多个进程,在启动时需要指定不同的`tag``-t`),如下所示: 3. 如果您想使用并行方式来快速合成数据,可以通过启动多个进程,在启动时需要指定不同的`tag``-t`),如下所示:
```bash ```bash
python -m tools.synth_dataset -t 0 -c configs/dataset_config.yml python3 -m tools.synth_dataset -t 0 -c configs/dataset_config.yml
python -m tools.synth_dataset -t 1 -c configs/dataset_config.yml python3 -m tools.synth_dataset -t 1 -c configs/dataset_config.yml
``` ```
### 使用合成数据集进行OCR识别训练 ### 应用示例
在完成上述操作后,即可得到用于OCR识别的合成数据集,接下来请参考[OCR识别文档](https://github.com/PaddlePaddle/PaddleOCR/blob/dygraph/doc/doc_ch/recognition.md#%E5%90%AF%E5%8A%A8%E8%AE%AD%E7%BB%83),完成训练。 在完成上述操作后,即可得到用于OCR识别的合成数据集,接下来请参考[OCR识别文档](https://github.com/PaddlePaddle/PaddleOCR/blob/dygraph/doc/doc_ch/recognition.md#%E5%90%AF%E5%8A%A8%E8%AE%AD%E7%BB%83),完成训练。
\ No newline at end of file
### 项目结构
.
|-- arch
| |-- base_module.py
| |-- decoder.py
| |-- encoder.py
| |-- spectral_norm.py
| `-- style_text_rec.py
|-- configs
| |-- config.yml
| `-- dataset_config.yml
|-- engine
| |-- corpus_generators.py
| |-- predictors.py
| |-- style_samplers.py
| |-- synthesisers.py
| |-- text_drawers.py
| `-- writers.py
|-- examples
| |-- corpus
| | `-- example.txt
| |-- image_list.txt
| `-- style_images
| |-- 1.jpg
| `-- 2.jpg
|-- fonts
| |-- ch_standard.ttf
| |-- en_standard.ttf
| `-- ko_standard.ttf
|-- tools
| |-- __init__.py
| |-- synth_dataset.py
| `-- synth_image.py
`-- utils
|-- config.py
|-- load_params.py
|-- logging.py
|-- math_functions.py
`-- sys_funcs.py
\ No newline at end of file
...@@ -15,6 +15,7 @@ import os ...@@ -15,6 +15,7 @@ import os
import cv2 import cv2
import sys import sys
import glob import glob
from argparse import ArgumentParser, RawDescriptionHelpFormatter
from engine.synthesisers import ImageSynthesiser from engine.synthesisers import ImageSynthesiser
...@@ -24,11 +25,14 @@ sys.path.append(os.path.abspath(os.path.join(__dir__, '..'))) ...@@ -24,11 +25,14 @@ sys.path.append(os.path.abspath(os.path.join(__dir__, '..')))
def synth_image(): def synth_image():
args = ArgsParser().parse_args()
image_synthesiser = ImageSynthesiser() image_synthesiser = ImageSynthesiser()
img = cv2.imread("examples/style_images/1.jpg") style_image_path = args.style_image
corpus = "PaddleOCR" img = cv2.imread(style_image_path)
language = "en" text_corpus = args.text_corpus
synth_result = image_synthesiser.synth_image(corpus, img, language) language = args.language
synth_result = image_synthesiser.synth_image(text_corpus, img, language)
fake_fusion = synth_result["fake_fusion"] fake_fusion = synth_result["fake_fusion"]
fake_text = synth_result["fake_text"] fake_text = synth_result["fake_text"]
fake_bg = synth_result["fake_bg"] fake_bg = synth_result["fake_bg"]
...@@ -73,6 +77,26 @@ def batch_synth_images(): ...@@ -73,6 +77,26 @@ def batch_synth_images():
print(cno, corpus_num, sno, style_img_num) print(cno, corpus_num, sno, style_img_num)
class ArgsParser(ArgumentParser):
def __init__(self):
super(ArgsParser, self).__init__(
formatter_class=RawDescriptionHelpFormatter)
self.add_argument("-c", "--config", help="configuration file to use")
self.add_argument(
"--style_image", default="examples/style_images/1.jpg", help="tag for marking worker")
self.add_argument(
"--text_corpus", default="PaddleOCR", help="tag for marking worker")
self.add_argument(
"--language", default="en", help="tag for marking worker")
def parse_args(self, argv=None):
args = super(ArgsParser, self).parse_args(argv)
assert args.config is not None, \
"Please specify --config=configure_file_path."
return args
if __name__ == '__main__': if __name__ == '__main__':
# batch_synth_images() # batch_synth_images()
synth_image() synth_image()
Markdown is supported
0% .
You are about to add 0 people to the discussion. Proceed with caution.
先完成此消息的编辑!
想要评论请 注册