recognition.md 17.1 KB
Newer Older
T
tink2123 已提交
1
# 文字识别
T
tink2123 已提交
2

T
tink2123 已提交
3
本文提供了PaddleOCR文本识别任务的全流程指南,包括数据准备、模型训练、调优、评估、预测,各个阶段的详细说明:
W
WenmuZhou 已提交
4

W
WenmuZhou 已提交
5 6 7 8 9 10 11
- [1 数据准备](#数据准备)
    - [1.1 自定义数据集](#自定义数据集)
    - [1.2 数据下载](#数据下载)
    - [1.3 字典](#字典)  
    - [1.4 支持空格](#支持空格)
- [2 启动训练](#启动训练)
    - [2.1 数据增强](#数据增强)
T
tink2123 已提交
12 13
    - [2.2 通用模型训练](#通用模型训练)
    - [2.3 多语言模型训练](#多语言模型训练)
W
WenmuZhou 已提交
14 15
- [3 评估](#评估)
- [4 预测](#预测)
16
- [5 转Inference模型测试](#Inference)
W
WenmuZhou 已提交
17 18 19


<a name="数据准备"></a>
T
tink2123 已提交
20
## 1. 数据准备
T
tink2123 已提交
21 22


W
WenmuZhou 已提交
23
PaddleOCR 支持两种数据格式:
T
tink2123 已提交
24 25
 - `lmdb` 用于训练以lmdb格式存储的数据集(LMDBDataSet);
 - `通用数据` 用于训练以文本文件存储的数据集(SimpleDataSet);
T
tink2123 已提交
26 27 28 29

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:

```
W
WenmuZhou 已提交
30
# linux and mac os
31
ln -sf <path/to/dataset> <path/to/paddle_ocr>/train_data/dataset
W
WenmuZhou 已提交
32 33
# windows
mklink /d <path/to/paddle_ocr>/train_data/dataset <path/to/dataset>
T
tink2123 已提交
34 35
```

W
WenmuZhou 已提交
36
<a name="准备数据集"></a>
T
tink2123 已提交
37
### 1.1 自定义数据集
W
WenmuZhou 已提交
38
下面以通用数据集为例, 介绍如何准备数据集:
T
tink2123 已提交
39

W
WenmuZhou 已提交
40
* 训练集
T
tink2123 已提交
41

W
WenmuZhou 已提交
42
建议将训练图片放入同一个文件夹,并用一个txt文件(rec_gt_train.txt)记录图片路径和标签,txt文件里的内容如下:
W
WenmuZhou 已提交
43

W
WenmuZhou 已提交
44
**注意:** txt文件中默认请将图片路径和图片标签用 \t 分割,如用其他方式分割将造成训练报错。
T
tink2123 已提交
45

W
WenmuZhou 已提交
46 47
```
" 图像文件名                 图像标注信息 "
T
tink2123 已提交
48

W
WenmuZhou 已提交
49 50
train_data/rec/train/word_001.jpg   简单可依赖
train_data/rec/train/word_002.jpg   用科技让复杂的世界更简单
W
WenmuZhou 已提交
51 52
...
```
T
tink2123 已提交
53

W
WenmuZhou 已提交
54 55 56
最终训练集应有如下文件结构:
```
|-train_data
W
WenmuZhou 已提交
57
  |-rec
W
WenmuZhou 已提交
58 59 60 61 62 63
    |- rec_gt_train.txt
    |- train
        |- word_001.png
        |- word_002.jpg
        |- word_003.jpg
        | ...
T
tink2123 已提交
64 65
```

W
WenmuZhou 已提交
66 67 68 69 70 71
- 测试集

同训练集类似,测试集也需要提供一个包含所有图片的文件夹(test)和一个rec_gt_test.txt,测试集的结构如下所示:

```
|-train_data
W
WenmuZhou 已提交
72
  |-rec
W
WenmuZhou 已提交
73 74 75 76 77 78
    |- rec_gt_test.txt
    |- test
        |- word_001.jpg
        |- word_002.jpg
        |- word_003.jpg
        | ...
T
tink2123 已提交
79
```
W
WenmuZhou 已提交
80 81 82

<a name="数据下载"></a>

T
tink2123 已提交
83
### 1.2 数据下载
W
WenmuZhou 已提交
84

T
tink2123 已提交
85
- ICDAR2015
W
WenmuZhou 已提交
86

T
tink2123 已提交
87
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。
T
fix doc  
tink2123 已提交
88

T
tink2123 已提交
89
如果你使用的是icdar2015的公开数据集,PaddleOCR 提供了一份用于训练 ICDAR2015 数据集的标签文件,通过以下方式下载:
T
fix doc  
tink2123 已提交
90 91 92 93
```
# 训练集标签
wget -P ./train_data/ic15_data  https://paddleocr.bj.bcebos.com/dataset/rec_gt_train.txt
# 测试集标签
T
tink2123 已提交
94
wget -P ./train_data/ic15_data  https://paddleocr.bj.bcebos.com/dataset/rec_gt_test.txt
T
fix doc  
tink2123 已提交
95
```
T
tink2123 已提交
96

T
tink2123 已提交
97
PaddleOCR 也提供了数据格式转换脚本,可以将ICDAR官网 label 转换为PaddleOCR支持的数据格式。 数据转换工具在 `ppocr/utils/gen_label.py`, 这里以训练集为例:
W
WenmuZhou 已提交
98 99 100 101 102 103

```
# 将官网下载的标签文件转换为 rec_gt_label.txt
python gen_label.py --mode="rec" --input_path="{path/of/origin/label}" --output_label="rec_gt_label.txt"
```

T
tink2123 已提交
104 105 106 107 108 109 110 111 112 113
数据样式格式如下,(a)为原始图片,(b)为每张图片对应的 Ground Truth 文本文件:
![](../datasets/icdar_rec.png)

- 多语言数据集

多语言模型的训练数据集均为100w的合成数据,使用了开源合成工具 [text_renderer](https://github.com/Sanster/text_renderer) ,少量的字体可以通过下面两种方式下载。
* [百度网盘](https://pan.baidu.com/s/1bS_u207Rm7YbY33wOECKDA) 提取码:frgi
* [google drive](https://drive.google.com/file/d/18cSWX7wXSy4G0tbKJ0d9PuIaiwRLHpjA/view)


W
WenmuZhou 已提交
114
<a name="字典"></a>
T
tink2123 已提交
115
### 1.3 字典
T
tink2123 已提交
116 117 118

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。

T
tink2123 已提交
119
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:
T
tink2123 已提交
120

T
tink2123 已提交
121 122
```
l
T
tink2123 已提交
123 124
d
a
T
tink2123 已提交
125 126
d
r
T
tink2123 已提交
127
n
T
tink2123 已提交
128
```
T
tink2123 已提交
129 130 131

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]

W
WenmuZhou 已提交
132 133 134 135
* 内置字典

PaddleOCR内置了一部分字典,可以按需使用。

T
tink2123 已提交
136
`ppocr/utils/ppocr_keys_v1.txt` 是一个包含6623个字符的中文字典
W
WenmuZhou 已提交
137

T
tink2123 已提交
138
`ppocr/utils/ic15_dict.txt` 是一个包含36个字符的英文字典
W
WenmuZhou 已提交
139 140 141

`ppocr/utils/dict/french_dict.txt` 是一个包含118个字符的法文字典

142
`ppocr/utils/dict/japan_dict.txt` 是一个包含4399个字符的日文字典
W
WenmuZhou 已提交
143

144
`ppocr/utils/dict/korean_dict.txt` 是一个包含3636个字符的韩文字典
W
WenmuZhou 已提交
145

146
`ppocr/utils/dict/german_dict.txt` 是一个包含131个字符的德文字典
W
WenmuZhou 已提交
147

T
tink2123 已提交
148
`ppocr/utils/en_dict.txt` 是一个包含96个字符的英文字典
T
tink2123 已提交
149

W
WenmuZhou 已提交
150

W
WenmuZhou 已提交
151

T
tink2123 已提交
152

W
WenmuZhou 已提交
153
目前的多语言模型仍处在demo阶段,会持续优化模型并补充语种,**非常欢迎您为我们提供其他语言的字典和字体**
littletomatodonkey's avatar
fix doc  
littletomatodonkey 已提交
154
如您愿意可将字典文件提交至 [dict](../../ppocr/utils/dict),我们会在Repo中感谢您。
W
WenmuZhou 已提交
155

T
tink2123 已提交
156
- 自定义字典
T
tink2123 已提交
157

T
tink2123 已提交
158 159 160
如需自定义dic文件,请在 `configs/rec/rec_icdar15_train.yml` 中添加 `character_dict_path` 字段, 指向您的字典路径。
并将 `character_type` 设置为 `ch`

W
WenmuZhou 已提交
161
<a name="支持空格"></a>
T
tink2123 已提交
162
### 1.4 添加空格类别
T
tink2123 已提交
163

164
如果希望支持识别"空格"类别, 请将yml文件中的 `use_space_char` 字段设置为 `True`
T
tink2123 已提交
165

T
tink2123 已提交
166

W
WenmuZhou 已提交
167
<a name="启动训练"></a>
T
tink2123 已提交
168
## 2. 启动训练
T
tink2123 已提交
169

T
tink2123 已提交
170
<a name="数据增强"></a>
T
tink2123 已提交
171
### 2.1 数据增强
T
tink2123 已提交
172 173 174 175 176 177 178 179 180 181

PaddleOCR提供了多种数据增强方式,默认配置文件中已经添加了数据增广。

默认的扰动方式有:颜色空间转换(cvtColor)、模糊(blur)、抖动(jitter)、噪声(Gasuss noise)、随机切割(random crop)、透视(perspective)、颜色反转(reverse)、TIA数据增广。

训练过程中每种扰动方式以40%的概率被选择,具体代码实现请参考:[rec_img_aug.py](../../ppocr/data/imaug/rec_img_aug.py)

*由于OpenCV的兼容性问题,扰动操作暂时只支持Linux*

<a name="通用模型训练"></a>
T
tink2123 已提交
182
### 2.2 通用模型训练
T
tink2123 已提交
183

T
tink2123 已提交
184
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:
T
tink2123 已提交
185

T
tink2123 已提交
186
首先下载pretrain model,您可以下载训练好的模型在 icdar2015 数据上进行finetune
T
tink2123 已提交
187 188

```
T
tink2123 已提交
189 190
cd PaddleOCR/
# 下载MobileNetV3的预训练模型
T
tink2123 已提交
191
wget -P ./pretrain_models/ https://paddleocr.bj.bcebos.com/dygraph_v2.0/en/rec_mv3_none_bilstm_ctc_v2.0_train.tar
T
tink2123 已提交
192 193
# 解压模型参数
cd pretrain_models
T
tink2123 已提交
194
tar -xf rec_mv3_none_bilstm_ctc_v2.0_train.tar && rm -rf rec_mv3_none_bilstm_ctc_v2.0_train.tar
T
tink2123 已提交
195 196 197 198
```

开始训练:

T
tink2123 已提交
199 200
*如果您安装的是cpu版本,请将配置文件中的 `use_gpu` 字段修改为false*

T
tink2123 已提交
201
```
T
tink2123 已提交
202
# GPU训练 支持单卡,多卡训练
T
tink2123 已提交
203
# 训练icdar15英文数据 训练日志会自动保存为 "{save_model_dir}" 下的train.log
T
tink2123 已提交
204

T
tink2123 已提交
205 206
#单卡训练(训练周期长,不建议)
python3 tools/train.py -c configs/rec/rec_icdar15_train.yml
T
tink2123 已提交
207

T
tink2123 已提交
208 209 210
#多卡训练,通过--gpus参数指定卡号
python3 -m paddle.distributed.launch --gpus '0,1,2,3'  tools/train.py -c configs/rec/rec_icdar15_train.yml
```
T
tink2123 已提交
211 212


T
tink2123 已提交
213
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500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`
T
tink2123 已提交
214 215 216

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。

M
MissPenguin 已提交
217
**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,PaddleOCR支持的识别算法有:
T
tink2123 已提交
218 219 220 221


| 配置文件 |  算法名称 |   backbone |   trans   |   seq      |     pred     |
| :--------: |  :-------:   | :-------:  |   :-------:   |   :-----:   |  :-----:   |
222 223
| [rec_chinese_lite_train_v2.0.yml](../../configs/rec/ch_ppocr_v2.0/rec_chinese_lite_train_v2.0.yml) |  CRNN |   Mobilenet_v3 small 0.5 |  None   |  BiLSTM |  ctc  |
| [rec_chinese_common_train_v2.0.yml](../../configs/rec/ch_ppocr_v2.0/rec_chinese_common_train_v2.0.yml) |  CRNN | ResNet34_vd |  None   |  BiLSTM |  ctc  |
T
tink2123 已提交
224 225 226 227 228
| rec_icdar15_train.yml |  CRNN |   Mobilenet_v3 large 0.5 |  None   |  BiLSTM |  ctc  |
| rec_mv3_none_bilstm_ctc.yml |  CRNN |   Mobilenet_v3 large 0.5 |  None   |  BiLSTM |  ctc  |
| rec_mv3_none_none_ctc.yml |  Rosetta |   Mobilenet_v3 large 0.5 |  None   |  None |  ctc  |
| rec_r34_vd_none_bilstm_ctc.yml |  CRNN |   Resnet34_vd |  None   |  BiLSTM |  ctc  |
| rec_r34_vd_none_none_ctc.yml |  Rosetta |   Resnet34_vd |  None   |  None |  ctc  |
L
LDOUBLEV 已提交
229 230
| rec_mv3_tps_bilstm_att.yml |  CRNN |   Mobilenet_v3 |  TPS   |  BiLSTM |  att  |
| rec_r34_vd_tps_bilstm_att.yml |  CRNN |   Resnet34_vd |  TPS   |  BiLSTM |  att  |
T
tink2123 已提交
231
| rec_r50fpn_vd_none_srn.yml    | SRN | Resnet50_fpn_vd    | None    | rnn | srn |
T
Topdu 已提交
232
| rec_mtb_nrtr.yml    | NRTR | nrtr_mtb    | None    | transformer encoder | transformer decoder |
T
tink2123 已提交
233

234
训练中文数据,推荐使用[rec_chinese_lite_train_v2.0.yml](../../configs/rec/ch_ppocr_v2.0/rec_chinese_lite_train_v2.0.yml),如您希望尝试其他算法在中文数据集上的效果,请参考下列说明修改配置文件:
T
tink2123 已提交
235

236
`rec_chinese_lite_train_v2.0.yml` 为例:
T
tink2123 已提交
237 238 239
```
Global:
  ...
240 241
  # 添加自定义字典,如修改字典请将路径指向新字典
  character_dict_path: ppocr/utils/ppocr_keys_v1.txt
T
tink2123 已提交
242 243 244
  # 修改字符类型
  character_type: ch
  ...
245
  # 识别空格
246
  use_space_char: True
T
tink2123 已提交
247

248 249 250 251

Optimizer:
  ...
  # 添加学习率衰减策略
252 253 254 255 256 257 258 259 260
  lr:
    name: Cosine
    learning_rate: 0.001
  ...

...

Train:
  dataset:
M
MissPenguin 已提交
261
    # 数据集格式,支持LMDBDataSet以及SimpleDataSet
262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280
    name: SimpleDataSet
    # 数据集路径
    data_dir: ./train_data/
    # 训练集标签文件
    label_file_list: ["./train_data/train_list.txt"]
    transforms:
      ...
      - RecResizeImg:
          # 修改 image_shape 以适应长文本
          image_shape: [3, 32, 320]
      ...
  loader:
    ...
    # 单卡训练的batch_size
    batch_size_per_card: 256
    ...

Eval:
  dataset:
M
MissPenguin 已提交
281
    # 数据集格式,支持LMDBDataSet以及SimpleDataSet
282 283 284 285 286 287 288 289 290 291 292 293 294 295 296
    name: SimpleDataSet
    # 数据集路径
    data_dir: ./train_data
    # 验证集标签文件
    label_file_list: ["./train_data/val_list.txt"]
    transforms:
      ...
      - RecResizeImg:
          # 修改 image_shape 以适应长文本
          image_shape: [3, 32, 320]
      ...
  loader:
    # 单卡验证的batch_size
    batch_size_per_card: 256
    ...
T
tink2123 已提交
297
```
T
tink2123 已提交
298
**注意,预测/评估时的配置文件请务必与训练一致。**
T
tink2123 已提交
299

T
tink2123 已提交
300
<a name="多语言模型训练"></a>
T
tink2123 已提交
301
### 2.3 多语言模型训练
W
WenmuZhou 已提交
302

T
tink2123 已提交
303
PaddleOCR目前已支持80种(除中文外)语种识别,`configs/rec/multi_languages` 路径下提供了一个多语言的配置文件模版: [rec_multi_language_lite_train.yml](../../configs/rec/multi_language/rec_multi_language_lite_train.yml)
T
tink2123 已提交
304

T
tink2123 已提交
305
按语系划分,目前PaddleOCR支持的语种有:
T
tink2123 已提交
306 307 308 309

| 配置文件 |  算法名称 |   backbone |   trans   |   seq      |     pred     |  language | character_type |
| :--------: |  :-------:   | :-------:  |   :-------:   |   :-----:   |  :-----:   | :-----:  | :-----:  |
| rec_chinese_cht_lite_train.yml |  CRNN |   Mobilenet_v3 small 0.5 |  None   |  BiLSTM |  ctc  | 中文繁体  | chinese_cht|
T
tink2123 已提交
310
| rec_en_lite_train.yml |  CRNN |   Mobilenet_v3 small 0.5 |  None   |  BiLSTM |  ctc  | 英语(区分大小写)   | EN |
T
tink2123 已提交
311 312 313 314
| rec_french_lite_train.yml |  CRNN |   Mobilenet_v3 small 0.5 |  None   |  BiLSTM |  ctc  | 法语 |  french |
| rec_ger_lite_train.yml |  CRNN |   Mobilenet_v3 small 0.5 |  None   |  BiLSTM |  ctc  | 德语   | german |
| rec_japan_lite_train.yml |  CRNN |   Mobilenet_v3 small 0.5 |  None   |  BiLSTM |  ctc  | 日语  | japan |
| rec_korean_lite_train.yml |  CRNN |   Mobilenet_v3 small 0.5 |  None   |  BiLSTM |  ctc  | 韩语  | korean |
T
tink2123 已提交
315 316 317 318 319 320
| rec_latin_lite_train.yml |  CRNN |   Mobilenet_v3 small 0.5 |  None   |  BiLSTM |  ctc  | 拉丁字母  | latin |
| rec_arabic_lite_train.yml |  CRNN |   Mobilenet_v3 small 0.5 |  None   |  BiLSTM |  ctc  | 阿拉伯字母 |  ar |
| rec_cyrillic_lite_train.yml |  CRNN |   Mobilenet_v3 small 0.5 |  None   |  BiLSTM |  ctc  | 斯拉夫字母  | cyrillic |
| rec_devanagari_lite_train.yml |  CRNN |   Mobilenet_v3 small 0.5 |  None   |  BiLSTM |  ctc  | 梵文字母  | devanagari |

更多支持语种请参考: [多语言模型](https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.1/doc/doc_ch/multi_languages.md#%E8%AF%AD%E7%A7%8D%E7%BC%A9%E5%86%99)
W
WenmuZhou 已提交
321 322 323 324 325 326 327 328 329 330

如您希望在现有模型效果的基础上调优,请参考下列说明修改配置文件:

`rec_french_lite_train` 为例:
```
Global:
  ...
  # 添加自定义字典,如修改字典请将路径指向新字典
  character_dict_path: ./ppocr/utils/dict/french_dict.txt
  ...
331
  # 识别空格
332
  use_space_char: True
W
WenmuZhou 已提交
333 334

...
335 336 337

Train:
  dataset:
M
MissPenguin 已提交
338
    # 数据集格式,支持LMDBDataSet以及SimpleDataSet
339 340 341 342 343 344 345 346 347
    name: SimpleDataSet
    # 数据集路径
    data_dir: ./train_data/
    # 训练集标签文件
    label_file_list: ["./train_data/french_train.txt"]
    ...

Eval:
  dataset:
M
MissPenguin 已提交
348
    # 数据集格式,支持LMDBDataSet以及SimpleDataSet
349 350 351 352 353 354
    name: SimpleDataSet
    # 数据集路径
    data_dir: ./train_data
    # 验证集标签文件
    label_file_list: ["./train_data/french_val.txt"]
    ...
W
WenmuZhou 已提交
355 356
```
<a name="评估"></a>
T
tink2123 已提交
357
## 3 评估
T
tink2123 已提交
358

359
评估数据集可以通过 `configs/rec/rec_icdar15_train.yml`  修改Eval中的 `label_file_path` 设置。
T
tink2123 已提交
360 361

```
T
tink2123 已提交
362
# GPU 评估, Global.checkpoints 为待测权重
363
python3 -m paddle.distributed.launch --gpus '0' tools/eval.py -c configs/rec/rec_icdar15_train.yml -o Global.checkpoints={path/to/weights}/best_accuracy
T
tink2123 已提交
364 365
```

W
WenmuZhou 已提交
366
<a name="预测"></a>
T
tink2123 已提交
367
## 4 预测
T
tink2123 已提交
368

T
tink2123 已提交
369
使用 PaddleOCR 训练好的模型,可以通过以下脚本进行快速预测。
T
tink2123 已提交
370

T
tink2123 已提交
371 372 373 374 375
默认预测图片存储在 `infer_img` 里,通过 `-o Global.checkpoints` 加载训练好的参数文件:

根据配置文件中设置的的 `save_model_dir``save_epoch_step` 字段,会有以下几种参数被保存下来:

```
T
tink2123 已提交
376
output/rec/
T
tink2123 已提交
377 378 379 380 381 382 383 384 385 386 387 388 389
├── best_accuracy.pdopt  
├── best_accuracy.pdparams  
├── best_accuracy.states  
├── config.yml  
├── iter_epoch_3.pdopt  
├── iter_epoch_3.pdparams  
├── iter_epoch_3.states  
├── latest.pdopt  
├── latest.pdparams  
├── latest.states  
└── train.log
```
其中 best_accuracy.* 是评估集上的最优模型;iter_epoch_x.* 是以 `save_epoch_step` 为间隔保存下来的模型;latest.* 是最后一个epoch的模型。
T
tink2123 已提交
390 391

```
T
tink2123 已提交
392
# 预测英文结果
W
WenmuZhou 已提交
393
python3 tools/infer_rec.py -c configs/rec/rec_icdar15_train.yml -o Global.pretrained_model={path/to/weights}/best_accuracy Global.load_static_weights=false Global.infer_img=doc/imgs_words/en/word_1.png
T
tink2123 已提交
394
```
T
tink2123 已提交
395 396 397

预测图片:

398
![](../imgs_words/en/word_1.png)
T
tink2123 已提交
399 400 401 402

得到输入图像的预测结果:

```
T
tink2123 已提交
403
infer_img: doc/imgs_words/en/word_1.png
T
tink2123 已提交
404
        result: ('joint', 0.9998967)
T
tink2123 已提交
405 406
```

407
预测使用的配置文件必须与训练一致,如您通过 `python3 tools/train.py -c configs/rec/ch_ppocr_v2.0/rec_chinese_lite_train_v2.0.yml` 完成了中文模型的训练,
T
tink2123 已提交
408 409 410 411
您可以使用如下命令进行中文模型预测。

```
# 预测中文结果
W
WenmuZhou 已提交
412
python3 tools/infer_rec.py -c configs/rec/ch_ppocr_v2.0/rec_chinese_lite_train_v2.0.yml -o Global.pretrained_model={path/to/weights}/best_accuracy Global.load_static_weights=false Global.infer_img=doc/imgs_words/ch/word_1.jpg
T
tink2123 已提交
413 414
```

T
tink2123 已提交
415
预测图片:
T
tink2123 已提交
416

417
![](../imgs_words/ch/word_1.jpg)
X
xiaoting 已提交
418

T
tink2123 已提交
419 420 421
得到输入图像的预测结果:

```
T
tink2123 已提交
422
infer_img: doc/imgs_words/ch/word_1.jpg
T
tink2123 已提交
423
        result: ('韩国小馆', 0.997218)
T
tink2123 已提交
424
```
425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460

<a name="Inference"></a>

## 5. 转Inference模型测试

识别模型转inference模型与检测的方式相同,如下:

```
# -c 后面设置训练算法的yml配置文件
# -o 配置可选参数
# Global.pretrained_model 参数设置待转换的训练模型地址,不用添加文件后缀 .pdmodel,.pdopt或.pdparams。
# Global.save_inference_dir参数设置转换的模型将保存的地址。

python3 tools/export_model.py -c configs/rec/ch_ppocr_v2.0/rec_chinese_lite_train_v2.0.yml -o Global.pretrained_model=./ch_lite/ch_ppocr_mobile_v2.0_rec_train/best_accuracy  Global.save_inference_dir=./inference/rec_crnn/
```

**注意:**如果您是在自己的数据集上训练的模型,并且调整了中文字符的字典文件,请注意修改配置文件中的`character_dict_path`是否是所需要的字典文件。

转换成功后,在目录下有三个文件:

```
/inference/rec_crnn/
    ├── inference.pdiparams         # 识别inference模型的参数文件
    ├── inference.pdiparams.info    # 识别inference模型的参数信息,可忽略
    └── inference.pdmodel           # 识别inference模型的program文件
```

- 自定义模型推理

  如果训练时修改了文本的字典,在使用inference模型预测时,需要通过`--rec_char_dict_path`指定使用的字典路径,并且设置 `rec_char_type=ch`

  ```
  python3 tools/infer/predict_rec.py --image_dir="./doc/imgs_words_en/word_336.png" --rec_model_dir="./your inference model" --rec_image_shape="3, 32, 100" --rec_char_type="ch" --rec_char_dict_path="your text dict path"
  ```