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
uygurjan2008
PaddleOCR
提交
3b5badb7
P
PaddleOCR
项目概览
uygurjan2008
/
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
3b5badb7
编写于
7月 15, 2020
作者:
D
dyning
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
add tricks
上级
e9eefe62
变更
2
显示空白变更内容
内联
并排
Showing
2 changed file
with
68 addition
and
0 deletion
+68
-0
doc/doc_ch/tricks.md
doc/doc_ch/tricks.md
+68
-0
doc/tricks/long_text_examples.jpg
doc/tricks/long_text_examples.jpg
+0
-0
未找到文件。
doc/doc_ch/tricks.md
0 → 100644
浏览文件 @
3b5badb7
## 中文OCR训练预测技巧
这里整理了一些中文OCR训练预测技巧,持续更新中,欢迎各位小伙伴贡献OCR炼丹秘籍~
-
[
更换骨干网络
](
#更换骨干网络
)
-
[
中文长文本识别
](
#中文长文本识别
)
-
[
空格识别
](
#空格识别
)
<a
name=
"更换骨干网络"
></a>
#### 1、更换骨干网络
-
**问题描述**
目前PaddleOCR中使用的骨干网络有ResNet_vd系列和MobileNetV3系列,更换骨干网络是否有助于效果提升?更换时需要注意什么?
-
**炼丹建议**
-
无论是文字检测,还是文字识别,骨干网络的选择是预测效果和预测效率的权衡。一般,选择更大规模的骨干网络,例如ResNet101_vd,则检测或识别更准确,但预测耗时相应也会增加。而选择更小规模的骨干网络,例如MobileNetV3_small_x0_35,则预测更快,但检测或识别的准确率会大打折扣。幸运的是不同骨干网络的检测或识别效果与在ImageNet数据集图像1000分类任务效果正相关。
[
**飞桨图像分类套件PaddleClas**
](
https://github.com/PaddlePaddle/PaddleClas
)
汇总了ResNet_vd、Res2Net、HRNet、MobileNetV3、GhostNet等23种系列的分类网络结构,在上述图像分类任务的top1识别准确率,GPU(V100和T4)和CPU(骁龙855)的预测耗时以及相应的
[
**117个预训练模型下载地址**
](
https://paddleclas.readthedocs.io/zh_CN/latest/models/models_intro.html
)
。
-
文字检测骨干网络的替换,主要是确定类似与ResNet的4个stages,以方便集成后续的类似FPN的检测头。此外,对于文字检测问题,使用ImageNet训练的分类预训练模型,可以加速收敛和效果提升。
-
文字识别的骨干网络的替换,需要注意网络宽高stride的下降位置。由于文本识别一般宽高比例很大,因此高度下降频率少一些,宽度下降频率多一些。可以参考PaddleOCR中
[
MobileNetV3骨干网络
](
https://github.com/PaddlePaddle/PaddleOCR/blob/develop/ppocr/modeling/backbones/rec_mobilenet_v3.py
)
的改动。
<a
name=
"中文长文本识别"
></a>
#### 2、中文长文本识别
-
**问题描述**
中文识别模型训练时分辨率最大是[3,32,320],如果待识别的文本图像太长,如下图所示,该如何适配?
<div
align=
"center"
>
<img
src=
"../tricks/long_text_examples.jpg"
width=
"600"
>
</div>
-
**炼丹建议**
在中文识别模型训练时,并不是采用直接将训练样本缩放到
[
3,32,320]进行训练,而是先等比例缩放图像,保证图像高度为32,宽度不足320的部分补0,宽高比大于10的样本直接丢弃。预测时,如果是单张图像预测,则按上述操作直接对图像缩放,不做宽度320的限制。如果是多张图预测,则采用batch方式预测,每个batch的宽度动态变换,采用这个batch中最长宽度。[参考代码如下
](
https://github.com/PaddlePaddle/PaddleOCR/blob/develop/tools/infer/predict_rec.py
)
:
```
def resize_norm_img(self, img, max_wh_ratio):
imgC, imgH, imgW = self.rec_image_shape
assert imgC == img.shape[2]
if self.character_type == "ch":
imgW = int((32 * max_wh_ratio))
h, w = img.shape[:2]
ratio = w / float(h)
if math.ceil(imgH * ratio) > imgW:
resized_w = imgW
else:
resized_w = int(math.ceil(imgH * ratio))
resized_image = cv2.resize(img, (resized_w, imgH))
resized_image = resized_image.astype('float32')
resized_image = resized_image.transpose((2, 0, 1)) / 255
resized_image -= 0.5
resized_image /= 0.5
padding_im = np.zeros((imgC, imgH, imgW), dtype=np.float32)
padding_im[:, :, 0:resized_w] = resized_image
return padding_im
```
<a
name=
"空格识别"
></a>
#### 3、空格识别
-
**问题描述**
如下图所示,对于中英文混合场景,为了便于阅读和使用识别结果,往往需要将单词之间的空格识别出来,这种情况如何适配?
<div
align=
"center"
>
<img
src=
"../imgs_results/chinese_db_crnn_server/en_paper.jpg"
width=
"600"
>
</div>
-
**炼丹建议**
空格识别可以考虑以下两种方案:(1)优化文本检测算法。检测结果在空格处将文本断开。这种方案在检测数据标注时,需要将含有空格的文本行分成好多段。(2)优化文本识别算法。在识别字典里面引入空格字符,然后在识别的训练数据中,如果用空行,进行标注。此外,合成数据时,通过拼接训练数据,生成含有空格的文本。PaddleOCR目前采用的是第二种方案。
\ No newline at end of file
doc/tricks/long_text_examples.jpg
0 → 100644
浏览文件 @
3b5badb7
13.9 KB
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