Skip to content

P
PaddleOCR

PaddlePaddle / PaddleOCR
大约 1 年 前同步成功

通知 1528
Star 32962
Fork 6643
P
PaddleOCR
提交 8bce9baa 编写于 作者: W weishengyu
浏览文件
操作

change doc and move style_text to root folder

上级 da1c7fe0
显示空白变更内容
内联 并排
Showing with 101 addition and 43 deletion
doc/doc_ch/style_text_rec.md
浏览文件 @ 8bce9baa
### 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：
```bash
cd tools/style_text_rec
wget /path/to/style_text_models.zip
cd style_text_rec
wget /https://paddleocr.bj.bcebos.com/dygraph_v2.0/style_text/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:
......@@ -31,17 +42,19 @@ fusion_generator:
pretrain: style_text_models/fusion_generator
```
#### 合成单张图片
### 快速上手
1. 运行tools/synth_image，生成示例图片：
```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_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
### 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。
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.
......@@ -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:
```bash
python -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 0 -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。
### 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
tools/style_text_rec/tools/synth_image.py → style_text_rec/tools/synth_image.py
浏览文件 @ 8bce9baa
......@@ -15,6 +15,7 @@ import os
import cv2
import sys
import glob
from argparse import ArgumentParser, RawDescriptionHelpFormatter
from engine.synthesisers import ImageSynthesiser
......@@ -24,11 +25,14 @@ sys.path.append(os.path.abspath(os.path.join(__dir__, '..')))
def synth_image():
args = ArgsParser().parse_args()
image_synthesiser = ImageSynthesiser()
img = cv2.imread("examples/style_images/1.jpg")
corpus = "PaddleOCR"
language = "en"
synth_result = image_synthesiser.synth_image(corpus, img, language)
style_image_path = args.style_image
img = cv2.imread(style_image_path)
text_corpus = args.text_corpus
language = args.language
synth_result = image_synthesiser.synth_image(text_corpus, img, language)
fake_fusion = synth_result["fake_fusion"]
fake_text = synth_result["fake_text"]
fake_bg = synth_result["fake_bg"]
......@@ -73,6 +77,26 @@ def batch_synth_images():
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__':
# batch_synth_images()
synth_image()
Markdown is supported
0% 或 .
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 或