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
邱崇源
PaddleOCR
提交
2a477c85
P
PaddleOCR
项目概览
邱崇源
/
PaddleOCR
与 Fork 源项目一致
Fork自
PaddlePaddle / PaddleOCR
通知
1
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
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
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
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
体验新版 GitCode,发现更多精彩内容 >>
提交
2a477c85
编写于
5月 13, 2020
作者:
T
tink2123
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
polish doc
上级
68380ab8
变更
2
隐藏空白更改
内联
并排
Showing
2 changed file
with
27 addition
and
26 deletion
+27
-26
configs/rec/rec_icdar15_train.yml
configs/rec/rec_icdar15_train.yml
+2
-2
doc/recognition.md
doc/recognition.md
+25
-24
未找到文件。
configs/rec/rec_icdar15_train.yml
浏览文件 @
2a477c85
...
...
@@ -4,7 +4,7 @@ Global:
epoch_num
:
3000
log_smooth_window
:
20
print_batch_step
:
10
save_model_dir
:
./output/rec
save_model_dir
:
./output/rec
_CRNN
save_epoch_step
:
300
eval_batch_step
:
500
train_batch_size_per_card
:
256
...
...
@@ -37,6 +37,6 @@ Loss:
Optimizer
:
function
:
ppocr.optimizer,AdamDecay
base_lr
:
0.000
1
base_lr
:
0.000
5
beta1
:
0.9
beta2
:
0.999
doc/recognition.md
浏览文件 @
2a477c85
...
...
@@ -3,7 +3,9 @@
### 数据准备
PaddleOCR 支持
`lmdb`
和
`通用数据`
两种数据格式,请按如下步骤设置数据集:
PaddleOCR 支持两种数据格式:
`lmdb`
用于训练公开数据,调试算法,
`通用数据`
训练自己的数据:
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`
,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:
...
...
@@ -14,9 +16,9 @@ ln -sf <path/to/dataset> <path/to/paddle_detection>/train_data/dataset
*
数据下载
若您本地没有数据集,可以
参考
[
DTRB
](
https://github.com/clovaai/deep-text-recognition-benchmark#download-lmdb-dataset-for-traininig-and-evaluation-from-here
)
,下载 benchmark 所需的lmdb格式数据集。也可在官网下载
[
icdar2015
](
http://rrc.cvc.uab.es/?ch=4&com=downloads
)
数据,用于快速验证
。
若您本地没有数据集,可以
在官网下载
[
icdar2015
](
http://rrc.cvc.uab.es/?ch=4&com=downloads
)
数据,用于快速验证。也可以参考
[
DTRB
](
https://github.com/clovaai/deep-text-recognition-benchmark#download-lmdb-dataset-for-traininig-and-evaluation-from-here
)
,下载 benchmark 所需的lmdb格式数据集
。
*
使用自己数据集
*
使用自己数据集
:
若您希望使用自己的数据进行训练,请参考下文组织您的数据。
...
...
@@ -35,6 +37,7 @@ train_data/train_0002.jpg 用科技让复杂的世界更简单
最终训练集应有如下文件结构:
```
|-train_data
|- rec_gt_train.txt
|- train_imags
...
...
@@ -42,11 +45,13 @@ train_data/train_0002.jpg 用科技让复杂的世界更简单
|- train_002.jpg
|- train_003.jpg
| ...
```
-
评估集
同训练集类似,评估集也需要提供一个包含所有图片的文件夹(eval_images)和一个rec_gt_eval.txt,评估集的结构如下所示:
```
|-train_data
|- rec_gt_eval.txt
|- eval_imags
...
...
@@ -54,21 +59,22 @@ train_data/train_0002.jpg 用科技让复杂的世界更简单
|- eval_002.jpg
|- eval_003.jpg
| ...
```
-
字典
最后需要提供一个字典({word_dict_name}.txt),使模型在训练时,可以将所有出现的字符映射为字典的索引。
因此字典需要包含所有希望被正确识别的字符,{word_dict_name}.txt需要写成如下格式:
因此字典需要包含所有希望被正确识别的字符,{word_dict_name}.txt需要写成如下格式,并以
`utf-8`
编码格式保存:
L
```
l
d
a
D
R
d
r
n
```
word_dict.txt 每行有一个单字,将字符与数字索引映射在一起,“and” 将被映射成 [2 5 1]
...
...
@@ -79,7 +85,7 @@ word_dict.txt 每行有一个单字,将字符与数字索引映射在一起,
### 启动训练
PaddleOCR提供了训练脚本、评估脚本和预测脚本,本节将以
RCNN中文
识别模型为例:
PaddleOCR提供了训练脚本、评估脚本和预测脚本,本节将以
CRNN
识别模型为例:
```
# 设置PYTHONPATH路径
...
...
@@ -89,30 +95,32 @@ export CUDA_VISIBLE_DEVICES=0,1,2,3
python tools/train.py -c configs/rec/rec_icdar15_train.yml
```
PaddleOCR支持训练和评估交替进行, 可以在
`configs/rec/rec_icdar15_train.yml`
中修改
`eval_batch_step`
设置评估频率,默认每2000个iter评估一次。评估过程中默认将最佳acc模型,保存为
`output/rec/best_accuracy`
。
PaddleOCR支持训练和评估交替进行, 可以在
`configs/rec/rec_icdar15_train.yml`
中修改
`eval_batch_step`
设置评估频率,默认每2000个iter评估一次。评估过程中默认将最佳acc模型,保存为
`output/rec
_CRNN
/best_accuracy`
。
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。
*
提示: 可通过 -c 参数选择
`configs/rec/`
路径下的多种模型配置进行训练
### 评估
评估数据集可以通过
`configs/rec/rec_icdar15_reader.yml`
修改EvalReader中的
`label_file_path`
设置。
```
export CUDA_VISIBLE_DEVICES=0
# GPU 评估, Global.
pretrain_weigh
ts 为待测权重
python tools/eval.py -c configs/rec/rec_chinese_lite_train.yml -o Global.
pretrain_weigh
ts={path/to/weights}/best_accuracy
# GPU 评估, Global.
checkpoin
ts 为待测权重
python tools/eval.py -c configs/rec/rec_chinese_lite_train.yml -o Global.
checkpoin
ts={path/to/weights}/best_accuracy
```
###
测试
###
预测
*
训练引擎的预测
PaddleOCR 提供了训练好的中文模型,可以
使用
PaddleOCR 提供了训练好的中文模型,可以
[
下载
](
todo:
add)进行快速预测。
默认预测图片存储在
`infer_img`
里,通过
Global.pretrain_weights
指定权重:
默认预测图片存储在
`infer_img`
里,通过
`-o Global.checkpoints`
指定权重:
```
python tools/infer_rec.py -c configs/rec/rec_chinese_lite_train.yml -o Global.
pretrain_weigh
ts={path/to/weights}/best_accuracy
python tools/infer_rec.py -c configs/rec/rec_chinese_lite_train.yml -o Global.
checkpoin
ts={path/to/weights}/best_accuracy
```
得到输入图像的预测结果:
...
...
@@ -125,10 +133,3 @@ infer_img: infer_img/328_4.jpg
冷库专用冷冻液/载冷剂
```
得到预测结果后,脚本会自动将权重转换为inference model 并保存在 rec_inference 下:
|-rec_inference
|- model
|- params
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