Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
PaddlePaddle
PaddleOCR
提交
d6f36b96
P
PaddleOCR
项目概览
PaddlePaddle
/
PaddleOCR
1 年多 前同步成功
通知
1531
Star
32963
Fork
6643
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
108
列表
看板
标记
里程碑
合并请求
7
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
P
PaddleOCR
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
108
Issue
108
列表
看板
标记
里程碑
合并请求
7
合并请求
7
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
提交
d6f36b96
编写于
6月 01, 2021
作者:
L
LDOUBLEV
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
add faq. 6.1
上级
47604ad4
变更
1
显示空白变更内容
内联
并排
Showing
1 changed file
with
70 addition
and
20 deletion
+70
-20
doc/doc_ch/FAQ.md
doc/doc_ch/FAQ.md
+70
-20
未找到文件。
doc/doc_ch/FAQ.md
浏览文件 @
d6f36b96
...
...
@@ -9,13 +9,13 @@
## PaddleOCR常见问题汇总(持续更新)
*
[
近期更新(2021.
5.24
)
](
#近期更新
)
*
[
近期更新(2021.
6.1
)
](
#近期更新
)
*
[
【精选】OCR精选10个问题
](
#OCR精选10个问题
)
*
[
【理论篇】OCR通用44个问题
](
#OCR通用问题
)
*
[
基础知识13题
](
#基础知识
)
*
[
数据集9题
](
#数据集2
)
*
[
模型训练调优22题
](
#模型训练调优2
)
*
[
【实战篇】PaddleOCR实战17
4
个问题
](
#PaddleOCR实战问题
)
*
[
【实战篇】PaddleOCR实战17
9
个问题
](
#PaddleOCR实战问题
)
*
[
使用咨询72题
](
#使用咨询
)
*
[
数据集18题
](
#数据集3
)
*
[
模型训练调优36题
](
#模型训练调优3
)
...
...
@@ -24,35 +24,43 @@
<a
name=
"近期更新"
></a>
## 近期更新(2021.5.17)
### Q
2.3.22: 目前知识蒸馏有哪些主要的实践思路
?
### Q
3.1.73: 如何使用TensorRT加速PaddleOCR预测
?
**A**
:知识蒸馏即利用教师模型指导学生模型的训练,目前有3种主要的蒸馏思路:
1.
基于输出结果的蒸馏,即让学生模型学习教师模型的软标签(分类或者OCR识别等任务中)或者概率热度图(分割等任务中)。
2.
基于特征图的蒸馏,即让学生模型学习教师模型中间层的特征图,拟合中间层的一些特征。
3.
基于关系的蒸馏,针对不同的样本(假设个数为N),教师模型会有不同的输出,那么可以基于不同样本的输出,计算一个NxN的相关性矩阵,可以让学生模型去学习教师模型关于不同样本的相关性矩阵。
**A**
: 目前paddle的dygraph分支已经支持了python和C++ TensorRT预测的代码,python端inference预测时把参数
[
--use_tensorrt=True
](
https://github.com/PaddlePaddle/PaddleOCR/blob/3ec57e8df9263de6fa897e33d2d91bc5d0849ef3/tools/infer/utility.py#L37
)
即可,
C++TensorRT预测需要使用支持TRT的预测库并在编译时打开
[
-DWITH_TENSORRT=ON
](
https://github.com/PaddlePaddle/PaddleOCR/blob/3ec57e8df9263de6fa897e33d2d91bc5d0849ef3/deploy/cpp_infer/tools/build.sh#L15
)
。
如果想修改其他分支代码支持TensorRT预测,可以参考
[
PR
](
https://github.com/PaddlePaddle/PaddleOCR/pull/2921
)
。
当然,知识蒸馏方法日新月异,也欢迎大家提出更多的总结与建议
。
注:建议使用TensorRT大于等于6.1.0.5以上的版本
。
### Q3.1.
69: 怎么加速训练过程呢
?
### Q3.1.
74: ppocr检测效果不好,该如何优化
?
**A**
:OCR模型训练过程中一般包含大量的数据增广,这些数据增广是比较耗时的,因此可以离线生成大量增广后的图像,直接送入网络进行训练,机器资源充足的情况下,也可以使用分布式训练的方法,可以参考
[
分布式训练教程文档
](
https://github.com/PaddlePaddle/PaddleOCR/blob/dygraph/doc/doc_ch/distributed_training.md
)
。
**A**
: 具体问题具体分析:
1.
如果在你的场景上检测效果不可用,首选是在你的数据上做finetune训练;
2.
如果图像过大,文字过于密集,建议不要过度压缩图像,可以尝试修改检测预处理的
[
resize逻辑
](
https://github.com/PaddlePaddle/PaddleOCR/blob/3ec57e8df9263de6fa897e33d2d91bc5d0849ef3/tools/infer/predict_det.py#L42
)
,防止图像被过度压缩;
3.
检测框大小过于紧贴文字或检测框过大,可以调整
[
db_unclip_ratio
](
https://github.com/PaddlePaddle/PaddleOCR/blob/3ec57e8df9263de6fa897e33d2d91bc5d0849ef3/tools/infer/utility.py#L51
)
这个参数,加大参数可以扩大检测框,减小参数可以减小检测框大小;
4.
检测框存在很多漏检问题,可以减小DB检测后处理的阈值参数
[
det_db_box_thresh
](
https://github.com/PaddlePaddle/PaddleOCR/blob/3ec57e8df9263de6fa897e33d2d91bc5d0849ef3/tools/infer/utility.py#L50
)
,防止一些检测框被过滤掉,也可以尝试设置
[
det_db_score_mode
](
https://github.com/PaddlePaddle/PaddleOCR/blob/3ec57e8df9263de6fa897e33d2d91bc5d0849ef3/tools/infer/utility.py#L54
)
为'slow';
5.
其他方法可以选择
[
use_dilation
](
https://github.com/PaddlePaddle/PaddleOCR/blob/3ec57e8df9263de6fa897e33d2d91bc5d0849ef3/tools/infer/utility.py#L53
)
为True,对检测输出的feature map做膨胀处理,一般情况下,会有效果改善;
### Q3.1.75: lite预测库和nb模型版本不匹配,该如何解决?
### Q3.1.70: 文字识别模型模型的输出矩阵需要进行解码才能得到识别的文本。代码中实现为preds_idx = preds.argmax(axis=2),也就是最佳路径解码法。这是一种贪心算法,是每一个时间步只将最大概率的字符作为当前时间步的预测输出,但得到的结果不一定是最好的。为什么不使用beam search这种方式进行解码呢?
**A**
: 如果可以正常预测就不用管,如果这个问题导致无法正常预测,可以尝试使用同一个commit的Paddle Lite代码编译预测库和opt文件,可以参考
[
移动端部署教程
](
https://github.com/PaddlePaddle/PaddleOCR/blob/release%2F2.1/deploy/lite/readme.md
)
。
**A**
:实验发现,使用贪心的方法去做解码,识别精度影响不大,但是速度方面的优势比较明显,因此PaddleOCR中使用贪心算法去做识别的解码。
### Q3.1.76: 'SystemError: (Fatal) Blocking queue is killed because the data reader raises an exception.' 遇到这个错如何处理?
### Q3.1.71: 遇到中英文识别模型不支持的字符,该如何对模型做微调?
**A**
:如果希望识别中英文识别模型中不支持的字符,需要更新识别的字典,并完成微调过程。比如说如果希望模型能够进一步识别罗马数字,可以按照以下步骤完成模型微调过程。
1.
准备中英文识别数据以及罗马数字的识别数据,用于训练,同时保证罗马数字和中英文识别数字的效果;
2.
修改默认的字典文件,在后面添加罗马数字的字符;
3.
下载PaddleOCR提供的预训练模型,配置预训练模型和数据的路径,开始训练
。
这个报错说明dataloader的时候报错了,如果是还未开始训练就报错,需要检查下数据和标签格式是不是对的,ppocr的数据标签格式为
```
" 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]]}, {...}]
```
提供的标注文件格式如上,中间用"
\t
"分隔,不是四个空格分隔
。
### Q3.1.72: 文字识别主要有CRNN和Attention两种方式,但是在我们的说明文档中,CRNN有对应的论文,但是Attention没看到,这个具体在哪里呢?
如果是训练期间报错了,需要检查下是不是遇到了异常数据,或者是共享内存不足导致了这个问题,可以使用tools/train.py中的test_reader进行调试,
linux系统共享内存位于/dev/shm目录下,如果内存不足,可以清理/dev/shm目录。
**A**
:文字识别主要有CTC和Attention两种方式,基于CTC的算法有CRNN、Rosetta、StarNet,基于Attention的方法有RARE、其他的算法PaddleOCR里没有提供复现代码。论文的链接可以参考:
[
PaddleOCR文本识别算法教程文档
](
https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.1/doc/doc_ch/algorithm_overview.md#%E6%96%87%E6%9C%AC%E8%AF%86%E5%88%AB%E7%AE%97%E6%B3%95
)
### Q3.1.77: 使用mkldnn加速预测时遇到 'Please compile with MKLDNN first to use MKLDNN'
**A**
: 报错提示当前环境没有mkldnn,建议检查下当前CPU是否支持mlkdnn(MAC上是无法用mkldnn);另外的可能是使用的预测库不支持mkldnn,
建议从
[
这里
](
https://paddle-inference.readthedocs.io/en/latest/user_guides/download_lib.html#linux
)
下载支持mlkdnn的CPU预测库。
<a
name=
"OCR精选10个问题"
></a>
...
...
@@ -720,6 +728,48 @@ src_im= cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR)
**A**
:文字识别主要有CTC和Attention两种方式,基于CTC的算法有CRNN、Rosetta、StarNet,基于Attention的方法有RARE、其他的算法PaddleOCR里没有提供复现代码。论文的链接可以参考:
[
PaddleOCR文本识别算法教程文档
](
https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.1/doc/doc_ch/algorithm_overview.md#%E6%96%87%E6%9C%AC%E8%AF%86%E5%88%AB%E7%AE%97%E6%B3%95
)
### Q3.1.73: 如何使用TensorRT加速PaddleOCR预测?
**A**
: 目前paddle的dygraph分支已经支持了python和C++ TensorRT预测的代码,python端inference预测时把参数
[
--use_tensorrt=True
](
https://github.com/PaddlePaddle/PaddleOCR/blob/3ec57e8df9263de6fa897e33d2d91bc5d0849ef3/tools/infer/utility.py#L37
)
即可,
C++TensorRT预测需要使用支持TRT的预测库并在编译时打开
[
-DWITH_TENSORRT=ON
](
https://github.com/PaddlePaddle/PaddleOCR/blob/3ec57e8df9263de6fa897e33d2d91bc5d0849ef3/deploy/cpp_infer/tools/build.sh#L15
)
。
如果想修改其他分支代码支持TensorRT预测,可以参考
[
PR
](
https://github.com/PaddlePaddle/PaddleOCR/pull/2921
)
。
注:建议使用TensorRT大于等于6.1.0.5以上的版本。
### Q3.1.74: ppocr检测效果不好,该如何优化?
**A**
: 具体问题具体分析:
1.
如果在你的场景上检测效果不可用,首选是在你的数据上做finetune训练;
2.
如果图像过大,文字过于密集,建议不要过度压缩图像,可以尝试修改检测预处理的
[
resize逻辑
](
https://github.com/PaddlePaddle/PaddleOCR/blob/3ec57e8df9263de6fa897e33d2d91bc5d0849ef3/tools/infer/predict_det.py#L42
)
,防止图像被过度压缩;
3.
检测框大小过于紧贴文字或检测框过大,可以调整
[
db_unclip_ratio
](
https://github.com/PaddlePaddle/PaddleOCR/blob/3ec57e8df9263de6fa897e33d2d91bc5d0849ef3/tools/infer/utility.py#L51
)
这个参数,加大参数可以扩大检测框,减小参数可以减小检测框大小;
4.
检测框存在很多漏检问题,可以减小DB检测后处理的阈值参数
[
det_db_box_thresh
](
https://github.com/PaddlePaddle/PaddleOCR/blob/3ec57e8df9263de6fa897e33d2d91bc5d0849ef3/tools/infer/utility.py#L50
)
,防止一些检测框被过滤掉,也可以尝试设置
[
det_db_score_mode
](
https://github.com/PaddlePaddle/PaddleOCR/blob/3ec57e8df9263de6fa897e33d2d91bc5d0849ef3/tools/infer/utility.py#L54
)
为'slow';
5.
其他方法可以选择
[
use_dilation
](
https://github.com/PaddlePaddle/PaddleOCR/blob/3ec57e8df9263de6fa897e33d2d91bc5d0849ef3/tools/infer/utility.py#L53
)
为True,对检测输出的feature map做膨胀处理,一般情况下,会有效果改善;
### Q3.1.75: lite预测库和nb模型版本不匹配,该如何解决?
**A**
: 如果可以正常预测就不用管,如果这个问题导致无法正常预测,可以尝试使用同一个commit的Paddle Lite代码编译预测库和opt文件,可以参考
[
移动端部署教程
](
https://github.com/PaddlePaddle/PaddleOCR/blob/release%2F2.1/deploy/lite/readme.md
)
。
### Q3.1.76: 'SystemError: (Fatal) Blocking queue is killed because the data reader raises an exception.' 遇到这个错如何处理?
这个报错说明dataloader的时候报错了,如果是还未开始训练就报错,需要检查下数据和标签格式是不是对的,ppocr的数据标签格式为
```
" 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]]}, {...}]
```
提供的标注文件格式如上,中间用"
\t
"分隔,不是四个空格分隔。
如果是训练期间报错了,需要检查下是不是遇到了异常数据,或者是共享内存不足导致了这个问题,可以使用tools/train.py中的test_reader进行调试,
linux系统共享内存位于/dev/shm目录下,如果内存不足,可以清理/dev/shm目录。
### Q3.1.77: 使用mkldnn加速预测时遇到 'Please compile with MKLDNN first to use MKLDNN'
**A**
: 报错提示当前环境没有mkldnn,建议检查下当前CPU是否支持mlkdnn(MAC上是无法用mkldnn);另外的可能是使用的预测库不支持mkldnn,
建议从
[
这里
](
https://paddle-inference.readthedocs.io/en/latest/user_guides/download_lib.html#linux
)
下载支持mlkdnn的CPU预测库。
<a
name=
"数据集3"
></a>
### 数据集
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录