angle_class.md 5.0 KB
Newer Older
W
WenmuZhou 已提交
1
## 文字角度分类
W
WenmuZhou 已提交
2 3 4 5
### 方法介绍
文字角度分类主要用于图片非0度的场景下,在这种场景下需要对图片里检测到的文本行进行一个转正的操作。在PaddleOCR系统内,
文字检测之后得到的文本行图片经过仿射变换之后送入识别模型,此时只需要对文字进行一个0和180度的角度分类,因此PaddleOCR内置的
文字角度分类器**只支持了0和180度的分类**。如果想支持更多角度,可以自己修改算法进行支持。
W
WenmuZhou 已提交
6 7 8 9 10 11 12 13 14 15 16 17 18 19

### 数据准备

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/cls`,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:

```
ln -sf <path/to/dataset> <path/to/paddle_ocr>/train_data/cls/dataset
```

请参考下文组织您的数据。
- 训练集

W
WenmuZhou 已提交
20
首先建议将训练图片放入同一个文件夹,并用一个txt文件(cls_gt_train.txt)记录图片路径和标签。
W
WenmuZhou 已提交
21 22 23 24 25 26 27

**注意:** 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

0和180分别表示图片的角度为0度和180度

```
" 图像文件名                 图像标注信息 "
W
WenmuZhou 已提交
28 29
train/cls/train/word_001.jpg   0
train/cls/train/word_002.jpg   180
W
WenmuZhou 已提交
30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
```

最终训练集应有如下文件结构:
```
|-train_data
    |-cls
        |- cls_gt_train.txt
        |- train
            |- word_001.png
            |- word_002.jpg
            |- word_003.jpg
            | ...
```

- 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cls_gt_test.txt,测试集的结构如下所示:

```
|-train_data
    |-cls
W
WenmuZhou 已提交
51
        |- cls_gt_test.txt
W
WenmuZhou 已提交
52 53 54 55 56 57 58 59 60
        |- test
            |- word_001.jpg
            |- word_002.jpg
            |- word_003.jpg
            | ...
```

### 启动训练

Z
zhoujun 已提交
61 62
将准备好的txt文件和图片文件夹路径分别写入配置文件的 `Train/Eval.dataset.label_file_list``Train/Eval.dataset.data_dir` 字段下,`Train/Eval.dataset.data_dir`字段下的路径和文件里记载的图片名构成了图片的绝对路径。

W
WenmuZhou 已提交
63 64 65 66 67 68 69
PaddleOCR提供了训练脚本、评估脚本和预测脚本。

开始训练:

*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*

```
70
# GPU训练 支持单卡,多卡训练,通过 '--gpus' 指定卡号。
W
WenmuZhou 已提交
71
# 启动训练,下面的命令已经写入train.sh文件中,只需修改文件里的配置文件路径即可
W
WenmuZhou 已提交
72
python3 -m paddle.distributed.launch --gpus '0,1,2,3,4,5,6,7'  tools/train.py -c configs/cls/cls_mv3.yml
W
WenmuZhou 已提交
73 74 75 76
```

- 数据增强

W
WenmuZhou 已提交
77
PaddleOCR提供了多种数据增强方式,如果您希望在训练时加入扰动,请在配置文件中取消`Train.dataset.transforms`下的`RecAug``RandAugment`字段的注释。
W
WenmuZhou 已提交
78 79 80 81

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),随机数据增强(RandAugment)。

训练过程中除随机数据增强外每种扰动方式以50%的概率被选择,具体代码实现请参考:
W
WenmuZhou 已提交
82
[rec_img_aug.py](../../ppocr/data/imaug/rec_img_aug.py)
W
WenmuZhou 已提交
83
[randaugment.py](../../ppocr/data/imaug/randaugment.py)
W
WenmuZhou 已提交
84 85 86 87 88

*由于OpenCV的兼容性问题,扰动操作暂时只支持linux*

### 训练

W
WenmuZhou 已提交
89 90 91 92 93 94 95 96 97 98 99
PaddleOCR支持训练和评估交替进行, 可以在 `configs/cls/cls_mv3.yml` 中修改 `eval_batch_step` 设置评估频率,默认每1000个iter评估一次。训练过程中将会保存如下内容:
```bash
├── best_accuracy.pdopt # 最佳模型的优化器参数
├── best_accuracy.pdparams # 最佳模型的参数
├── best_accuracy.states # 最佳模型的指标和epoch等信息
├── config.yml # 本次实验的配置文件
├── latest.pdopt # 最新模型的优化器参数
├── latest.pdparams # 最新模型的参数
├── latest.states # 最新模型的指标和epoch等信息
└── train.log # 训练日志
```
W
WenmuZhou 已提交
100 101 102 103 104 105 106

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。

**注意,预测/评估时的配置文件请务必与训练一致。**

### 评估

W
WenmuZhou 已提交
107
评估数据集可以通过修改`configs/cls/cls_mv3.yml`文件里的`Eval.dataset.label_file_list` 字段设置。
W
WenmuZhou 已提交
108 109 110 111 112 113 114 115 116 117 118 119 120

```
export CUDA_VISIBLE_DEVICES=0
# GPU 评估, Global.checkpoints 为待测权重
python3 tools/eval.py -c configs/cls/cls_mv3.yml -o Global.checkpoints={path/to/weights}/best_accuracy
```

### 预测

* 训练引擎的预测

使用 PaddleOCR 训练好的模型,可以通过以下脚本进行快速预测。

W
WenmuZhou 已提交
121
通过 `Global.infer_img` 指定预测图片或文件夹路径,通过 `Global.checkpoints` 指定权重:
W
WenmuZhou 已提交
122 123 124

```
# 预测分类结果
W
WenmuZhou 已提交
125
python3 tools/infer_cls.py -c configs/cls/cls_mv3.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
W
WenmuZhou 已提交
126 127 128 129
```

预测图片:

W
WenmuZhou 已提交
130
![](../imgs_words/ch/word_1.jpg)
W
WenmuZhou 已提交
131 132 133 134

得到输入图像的预测结果:

```
W
WenmuZhou 已提交
135 136
infer_img: doc/imgs_words/ch/word_1.jpg
     result: ('0', 0.9998784)
W
WenmuZhou 已提交
137
```