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
浅灬忆灬
PaddleOCR
提交
b2e2bb98
P
PaddleOCR
项目概览
浅灬忆灬
/
PaddleOCR
与 Fork 源项目一致
Fork自
PaddlePaddle / PaddleOCR
通知
1
Star
1
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
b2e2bb98
编写于
5月 12, 2020
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
fix problems responding to inference
上级
5b4675e0
变更
7
隐藏空白更改
内联
并排
Showing
7 changed file
with
123 addition
and
34 deletion
+123
-34
README.md
README.md
+39
-15
configs/det/det_db_mv3.yml
configs/det/det_db_mv3.yml
+1
-0
doc/inference.md
doc/inference.md
+58
-0
ppocr/data/det/dataset_traversal.py
ppocr/data/det/dataset_traversal.py
+1
-1
ppocr/utils/utility.py
ppocr/utils/utility.py
+18
-0
tools/export_model.py
tools/export_model.py
+6
-1
tools/infer/utility.py
tools/infer/utility.py
+0
-17
未找到文件。
README.md
浏览文件 @
b2e2bb98
...
...
@@ -15,39 +15,63 @@ PaddleOCR旨在打造一套丰富、领先、且实用的OCR工具库,助力
## 文档教程
-
[
快速安装
](
./doc/installation.md
)
-
[
快速开始
](
)
-
[
文本识别模型训练/评估/预测
](
./doc/detection.md
)
-
[
文本预测模型训练/评估/预测
](
./doc/recognition.md
)
-
[
基于inference model预测
](
./doc/
)
### **快速开始**
下载inference模型
```
# 创建inference模型保存目录
mkdir inference && cd inference && mkdir det && mkdir rec
# 下载检测inference模型
wget -P ./inference/det 检测inference模型链接
# 下载识别inference模型
wget -P ./inferencee/rec 识别inference模型链接
```
实现文本检测、识别串联推理,预测$image_dir$指定的单张图像:
```
export PYTHONPATH=.
python tools/infer/predict_eval.py --image_dir="/Demo.jpg" --det_model_dir="./inference/det/" --rec_model_dir="./inference/rec/"
```
在执行预测时,通过参数det_model_dir以及rec_model_dir设置存储inference 模型的路径。
实现文本检测、识别串联推理,预测$image_dir$指指定文件夹下的所有图像:
```
python tools/infer/predict_eval.py --image_dir="/test_imgs/" --det_model_dir="./inference/det/" --rec_model_dir="./inference/rec/"
```
## 文本检测算法:
PaddleOCR开源的文本检测算法列表:
-
[
x] [EAST
](
https://arxiv.org/abs/1704.03155
)
-
[
x] [DB
](
https://arxiv.org/abs/1911.08947
)
-
[
x] [SAST
](
https://arxiv.org/abs/1908.05498
)
-
[]
-
[
x] [EAST
](
https://arxiv.org/abs/1704.03155
)
-
[
x] [DB
](
https://arxiv.org/abs/1911.08947
)
-
[
] [SAST
](
https://arxiv.org/abs/1908.05498
)
算法效果:
|模型|骨干网络|Hmean|
|-|-|-|
|EAST
^[1]^
|ResNet50_vd|85.85%|
|EAST
^[1]^
|MobileNetV3|79.08%|
|DB
^[2]^
|ResNet50_vd|83.30%|
|DB
^[2]^
|MobileNetV3|73.00%|
|EAST|ResNet50_vd|85.85%|
|EAST|MobileNetV3|79.08%|
|DB|ResNet50_vd|83.30%|
|DB|MobileNetV3|73.00%|
PaddleOCR文本检测算法的训练与使用请参考
[
文档
](
./doc/detection.md
)
。
## 文本识别算法:
PaddleOCR开源的文本识别算法列表:
-
[
CRNN
](
https://arxiv.org/abs/1507.05717
)
-
[
Rosetta
](
https://arxiv.org/abs/1910.05085
)
-
[
STAR-Net
](
http://www.bmva.org/bmvc/2016/papers/paper043/index.html
)
-
[
RARE
](
https://arxiv.org/abs/1603.03915v1
)
-
[
SRN
](
(https://arxiv.org/abs/2003.12294
)
)(百度自研)
-
[
x] [CRNN
](
https://arxiv.org/abs/1507.05717
)
-
[
x] [DTRB
](
https://arxiv.org/abs/1904.01906
)
-
[
] [Rosetta
](
https://arxiv.org/abs/1910.05085
)
-
[
] [STAR-Net
](
http://www.bmva.org/bmvc/2016/papers/paper043/index.html
)
-
[
] [RARE
](
https://arxiv.org/abs/1603.03915v1
)
-
[
] [SRN
](
(https://arxiv.org/abs/2003.12294
)
)(百度自研)
算法效果如下表所示,精度指标是在IIIT, SVT, IC03, IC13, IC15, SVTP, CUTE数据集上的评测结果的平均值。
...
...
@@ -67,7 +91,7 @@ PaddleOCR文本识别算法的训练与使用请参考[文档](./doc/recognition
## TODO
**端到端OCR算法**
PaddleOCR即将开源百度自研端对端OCR模型
[
End2End-PSL
](
https://arxiv.org/abs/1909.07808
)
,敬请关注。
-
End2End-PSL (comming soon)
-
[ ]
End2End-PSL (comming soon)
...
...
configs/det/det_db_mv3.yml
浏览文件 @
b2e2bb98
...
...
@@ -14,6 +14,7 @@ Global:
pretrain_weights
:
./pretrain_models/MobileNetV3_pretrained/MobileNetV3_large_x0_5_pretrained/
checkpoints
:
save_res_path
:
./output/predicts_db.txt
save_inference_dir
:
Architecture
:
function
:
ppocr.modeling.architectures.det_model,DetModel
...
...
doc/inference.md
0 → 100644
浏览文件 @
b2e2bb98
# 基于inference model的推理
inference 模型(fluid.io.save_inference_model保存的模型)
一般是模型训练完成后保存的固化模型,多用于预测部署。
训练过程中保存的模型是checkpoints模型,保存的是模型的参数,多用于恢复训练等。
与checkpoints模型相比,inference 模型会额外保存模型的结构信息,在预测部署、加速推理上性能优越。
PaddleOCR提供了将checkpoints转换成inference model的实现。
## 文本检测模型推理
将文本检测模型训练过程中保存的模型,转换成inference model,可以使用如下命令:
```
python tools/export_model.py -c configs/det/det_db_mv3.yml -o Global.checkpoints="./output/best_accuracy" \
Global.save_inference_dir="./inference/det/"
```
推理模型保存在$./inference/det/model$, $./inference/det/params$
使用保存的inference model实现在单张图像上的预测:
```
python tools/infer/predict_det.py --image_dir="/demo.jpg" --det_model_dir="./inference/det/"
```
## 文本识别模型推理
将文本识别模型训练过程中保存的模型,转换成inference model,可以使用如下命令:
```
python tools/export_model.py -c configs/rec/rec_chinese_lite_train.yml -o Global.checkpoints="./output/best_accuracy" \
Global.save_inference_dir="./inference/rec/"
```
推理模型保存在$./inference/rec/model$, $./inference/rec/params$
使用保存的inference model实现在单张图像上的预测:
```
python tools/infer/predict_rec.py --image_dir="/demo.jpg" --rec_model_dir="./inference/rec/"
```
## 文本检测、识别串联推理
实现文本检测、识别串联推理,预测$image_dir$指定的单张图像:
```
python tools/infer/predict_eval.py --image_dir="/Demo.jpg" --det_model_dir="./inference/det/" --rec_model_dir="./inference/rec/"
```
实现文本检测、识别串联推理,预测$image_dir$指指定文件夹下的所有图像:
```
python tools/infer/predict_eval.py --image_dir="/test_imgs/" --det_model_dir="./inference/det/" --rec_model_dir="./inference/rec/"
```
ppocr/data/det/dataset_traversal.py
浏览文件 @
b2e2bb98
...
...
@@ -22,7 +22,7 @@ import string
from
ppocr.utils.utility
import
initial_logger
logger
=
initial_logger
()
from
ppocr.utils.utility
import
create_module
from
tools.infer
.utility
import
get_image_file_list
from
ppocr.utils
.utility
import
get_image_file_list
import
time
...
...
ppocr/utils/utility.py
浏览文件 @
b2e2bb98
...
...
@@ -13,6 +13,7 @@
# limitations under the License.
import
logging
import
os
def
initial_logger
():
...
...
@@ -55,6 +56,23 @@ def get_check_reader_params(mode):
return
check_params
def
get_image_file_list
(
img_file
):
imgs_lists
=
[]
if
img_file
is
None
or
not
os
.
path
.
exists
(
img_file
):
raise
Exception
(
"not found any img file in {}"
.
format
(
img_file
))
img_end
=
[
'jpg'
,
'png'
,
'jpeg'
,
'JPEG'
,
'JPG'
,
'bmp'
]
if
os
.
path
.
isfile
(
img_file
)
and
img_file
.
split
(
'.'
)[
-
1
]
in
img_end
:
imgs_lists
.
append
(
img_file
)
elif
os
.
path
.
isdir
(
img_file
):
for
single_file
in
os
.
listdir
(
img_file
):
if
single_file
.
split
(
'.'
)[
-
1
]
in
img_end
:
imgs_lists
.
append
(
os
.
path
.
join
(
img_file
,
single_file
))
if
len
(
imgs_lists
)
==
0
:
raise
Exception
(
"not found any img file in {}"
.
format
(
img_file
))
return
imgs_lists
from
paddle
import
fluid
...
...
tools/export_model.py
浏览文件 @
b2e2bb98
...
...
@@ -71,14 +71,19 @@ def main():
init_model
(
config
,
eval_program
,
exe
)
save_inference_dir
=
config
[
'Global'
][
'save_inference_dir'
]
if
not
os
.
path
.
exists
(
save_inference_dir
):
os
.
makedirs
(
save_inference_dir
)
fluid
.
io
.
save_inference_model
(
dirname
=
"./output/"
,
dirname
=
save_inference_dir
,
feeded_var_names
=
feeded_var_names
,
main_program
=
eval_program
,
target_vars
=
target_vars
,
executor
=
exe
,
model_filename
=
'model'
,
params_filename
=
'params'
)
print
(
"inference model saved in {}/model and {}/params"
.
format
(
save_inference_dir
,
save_inference_dir
))
print
(
"save success, output_name_list:"
,
fetches_var_name
)
...
...
tools/infer/utility.py
浏览文件 @
b2e2bb98
...
...
@@ -61,23 +61,6 @@ def parse_args():
return
parser
.
parse_args
()
def
get_image_file_list
(
img_file
):
imgs_lists
=
[]
if
img_file
is
None
or
not
os
.
path
.
exists
(
img_file
):
raise
Exception
(
"not found any img file in {}"
.
format
(
img_file
))
img_end
=
[
'jpg'
,
'png'
,
'jpeg'
,
'JPEG'
,
'JPG'
,
'bmp'
]
if
os
.
path
.
isfile
(
img_file
)
and
img_file
.
split
(
'.'
)[
-
1
]
in
img_end
:
imgs_lists
.
append
(
img_file
)
elif
os
.
path
.
isdir
(
img_file
):
for
single_file
in
os
.
listdir
(
img_file
):
if
single_file
.
split
(
'.'
)[
-
1
]
in
img_end
:
imgs_lists
.
append
(
os
.
path
.
join
(
img_file
,
single_file
))
if
len
(
imgs_lists
)
==
0
:
raise
Exception
(
"not found any img file in {}"
.
format
(
img_file
))
return
imgs_lists
def
create_predictor
(
args
,
mode
):
if
mode
==
"det"
:
model_dir
=
args
.
det_model_dir
...
...
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