PaddleOCR詳解
@python
PaddleOCR簡介
PaddleOCR分爲文本檢測、文本識別和方向分類器三部分，其中文本檢測有三個模型，分別是MobileNetV三、ResNet18_vd和ResNet50，其中最常使用的是MobileNetV3模型，總體比較小，適合應用於手機端。文本識別只有一個MobileNetV3預訓練模型。方向分類器使用默認的模型。linux
環境配置
PaddleOCR2.0的配置環境
PaddleOCR2.0的配置環境爲:git
- PaddlePaddle 2.0.0
- Python 3.7
- glibc 2.23
- cuDNN 7.6+(GPU)
其中，PaddlePaddle可使用2.0.*github
Docker
若是使用docker運行，能夠直接使用 paddlepaddle/paddle:2.0.1-gpu-cuda11.0-cudnn8鏡像，根據我的使用習慣，能夠更換，可是paddlepaddle的版本和cudnn版本不能低於PaddleOCR2.0的配置環境。算法
數據集
其中，文本檢測和文本識別使用的都是icdar2015數據集，方向分類器的數據集需自備docker
icdar2015數據集能夠從官網下載，首次下載需註冊。shell
文本檢測
文本檢測的icdar2015數據集的標註文件下載:json
wget -P ./train_data/ https://paddleocr.bj.bcebos.com/dataset/train_icdar2015_label.txt wget -P ./train_data/ https://paddleocr.bj.bcebos.com/dataset/test_icdar2015_label.txt
也可使用PaddleOCR提供的數據格式轉換腳本，將官網的label轉換爲支持的數據格式。轉換數據工具爲ppocr/utils/gen_label.py網絡
# 將官網下載的標籤文件轉換爲 train_icdar2015_label.txt
python gen_label.py --mode="det" --root_path="icdar_c4_train_imgs/" \
--input_path="ch4_training_localization_transcription_gt" \
--output_label="train_icdar2015_label.txt"
解壓數據集和下載標註文件後，放在PaddleOCR/train_data文件中，文件目錄爲:dom
/PaddleOCR/train_data/icdar2015/text_localization/ └─ icdar_c4_train_imgs/ icdar數據集的訓練數據 └─ ch4_test_images/ icdar數據集的測試數據 └─ train_icdar2015_label.txt icdar數據集的訓練標註 └─ test_icdar2015_label.txt icdar數據集的測試標註
若是不按照這個格式，須要在後面的配置文件中配置
使用本身的數據集
標註文件格式以下，中間用"\t"分隔:
" 圖像文件名 json.dumps編碼的圖像標註信息"
ch4_test_images/img_61.jpg [{"transcription": "MASA", "points": [[310, 104], [416, 141], [418, 216], [312, 179]]}, {...}]
json.dumps編碼前的圖像標註信息是包含多個字典的list，字典中的 points 表示文本框的四個點的座標(x, y)，從左上角的點開始順時針排列。 transcription 表示當前文本框的文字，當其內容爲「###」時，表示該文本框無效，在訓練時會跳過。
若是您想在其餘數據集上訓練，能夠按照上述形式構建標註文件
文本識別
文本識別的數據集也能夠參考DTRB，下載benchmark所需的lmdb格式數據集。若是但願復現SRN的論文標準，須要下載離線增廣數據，提取碼: y3ry。增廣數據是由MJSynth和SynthText作旋轉和擾動獲得的。數據下載完成後請解壓到 {your_path}/PaddleOCR/train_data/data_lmdb_release/training/ 路徑下。
PaddleOCR提供了一份用於訓練icdar2015數據集的標籤文件:
# 訓練集標籤 wget -P ./train_data/ic15_data https://paddleocr.bj.bcebos.com/dataset/rec_gt_train.txt # 測試集標籤 wget -P ./train_data/ic15_data https://paddleocr.bj.bcebos.com/dataset/rec_gt_test.txt
PaddleOCR也提供了數據格式轉換文本，能夠將官網label轉換支持的數據格式。數據轉換工具在ppocr/utils/gen_label.py
# 將官網下載的標籤文件轉換爲 rec_gt_label.txt
python gen_label.py --mode="rec" --input_path="{path/of/origin/label}" --output_label="rec_gt_label.txt"
使用本身的數據集
默認請將圖片路徑和圖片標籤用 \t 分割，如用其餘方式分割將形成訓練報錯。
" 圖像文件名 圖像標註信息 " train_data/train_0001.jpg 簡單可依賴 train_data/train_0002.jpg 用科技讓複雜的世界更簡單
最終訓練集的文件結構爲:
|-train_data
|-ic15_data
|- rec_gt_train.txt
|- train
|- word_001.png
|- word_002.jpg
|- word_003.jpg
| ...
測試集的文件結構爲:
|-train_data
|-ic15_data
|- rec_gt_test.txt
|- test
|- word_001.jpg
|- word_002.jpg
|- word_003.jpg
| ...
字典
文本檢測與文本識別相比還須要一個字典文件({word_dict_name}.txt)，使用模型訓練時，能夠將全部出現的字符映射爲字典的索引。
所以字典須要包含全部但願被正確是被的字符，{word_dict_name}.txt須要寫成以下格式，並以utf-8編碼格式保存:
l d a d r n
word_dict.txt每行有一個單子，將字符與數字索引映在一塊兒，「and」將被索引稱[2 5 1]
ppocr/utils/ppocr_keys_v1.txt 是一個包含6623個字符的中文字典
ppocr/utils/ic15_dict.txt 是一個包含36個字符的英文字典
ppocr/utils/dict/french_dict.txt 是一個包含118個字符的法文字典
ppocr/utils/dict/japan_dict.txt 是一個包含4399個字符的日文字典
ppocr/utils/dict/korean_dict.txt 是一個包含3636個字符的韓文字典
ppocr/utils/dict/german_dict.txt 是一個包含131個字符的德文字典
ppocr/utils/dict/en_dict.txt 是一個包含63個字符的英文字典
您能夠按需使用。
目前的多語言模型仍處在demo階段，會持續優化模型並補充語種。
自定義字典
如需自定義dic文件，請在 configs/rec/rec_icdar15_train.yml 中添加 character_dict_path 字段, 指向您的字典路徑。 並將 character_type 設置爲 ch。
添加空格類別
若是但願支持識別"空格"類別, 請將yml文件中的 use_space_char 字段設置爲 True。
文本角度分類
請按以下步驟設置數據集：
訓練數據的默認存儲路徑是 PaddleOCR/train_data/cls,若是您的磁盤上已有數據集，只需建立軟連接至數據集目錄：
ln -sf <path/to/dataset> <path/to/paddle_ocr>/train_data/cls/dataset
請參考下文組織您的數據。
- 訓練集
首先請將訓練圖片放入同一個文件夾（train_images），並用一個txt文件（cls_gt_train.txt）記錄圖片路徑和標籤。
注意： 默認請將圖片路徑和圖片標籤用 \t 分割，如用其餘方式分割將形成訓練報錯
0和180分別表示圖片的角度爲0度和180度
" 圖像文件名 圖像標註信息 " train/word_001.jpg 0 train/word_002.jpg 180
最終訓練集應有以下文件結構：
|-train_data
|-cls
|- cls_gt_train.txt
|- train
|- word_001.png
|- word_002.jpg
|- word_003.jpg
| ...
- 測試集
同訓練集相似，測試集也須要提供一個包含全部圖片的文件夾（test）和一個cls_gt_test.txt，測試集的結構以下所示：
|-train_data
|-cls
|- cls_gt_test.txt
|- test
|- word_001.jpg
|- word_002.jpg
|- word_003.jpg
| ...
文本檢測
訓練
模型準備
首先下載模型backbone的pretrain model，PaddleOCR的檢測模型目前支持兩種backbone，分別是MobileNetV三、ResNet_vd系列， 您能夠根據需求使用PaddleClas中的模型更換backbone。
cd PaddleOCR/ # 下載MobileNetV3的預訓練模型 wget -P ./pretrain_models/ https://paddle-imagenet-models-name.bj.bcebos.com/MobileNetV3_large_x0_5_pretrained.tar # 或，下載ResNet18_vd的預訓練模型 wget -P ./pretrain_models/ https://paddle-imagenet-models-name.bj.bcebos.com/ResNet18_vd_pretrained.tar # 或，下載ResNet50_vd的預訓練模型 wget -P ./pretrain_models/ https://paddle-imagenet-models-name.bj.bcebos.com/ResNet50_vd_ssld_pretrained.tar # 解壓預訓練模型文件，以MobileNetV3爲例 tar -xf ./pretrain_models/MobileNetV3_large_x0_5_pretrained.tar ./pretrain_models/ # 注：正確解壓backbone預訓練權重文件後，文件夾下包含衆多以網絡層命名的權重文件，格式以下： ./pretrain_models/MobileNetV3_large_x0_5_pretrained/ └─ conv_last_bn_mean └─ conv_last_bn_offset └─ conv_last_bn_scale └─ conv_last_bn_variance └─ ......
啓動訓練
# 單機單卡訓練 mv3_db 模型
python3 tools/train.py -c configs/det/det_mv3_db.yml \
-o Global.pretrain_weights=./pretrain_models/MobileNetV3_large_x0_5_pretrained/
# 單機多卡訓練，經過 --gpus 參數設置使用的GPU ID
python3 -m paddle.distributed.launch --gpus '0,1,2,3' tools/train.py -c configs/det/det_mv3_db.yml \
-o Global.pretrain_weights=./pretrain_models/MobileNetV3_large_x0_5_pretrained/
若是安裝的是cpu版本，請將配置文件中的use_gpu字段修改成false
訓練參數
-
-m 配置paddle
- --gpus 使用的GPU
-
-c 選擇配置文件
-
-o 配置配置文件中的內容
- pretrain_weights: 使用的模型目錄
- Optimizer.base_lr: 訓練時的學習率
斷點訓練
若是訓練程序中斷，若是但願加載訓練中斷的模型從而恢復訓練，能夠經過指定Global.checkpoints指定要加載的模型路徑(如./output/det_r50_vd/latest)：
python3 tools/train.py -c configs/det/det_mv3_db.yml -o Global.checkpoints=./output/det_mv3_vd/latest
注意：Global.checkpoints的優先級高於Global.pretrain_weights的優先級，即同時指定兩個參數時，優先加載Global.checkpoints指定的模型，若是Global.checkpoints指定的模型路徑有誤，會加載Global.pretrain_weights指定的模型。
指標評估
PaddleOCR計算三個OCR檢測相關的指標，分別是：Precision、Recall、Hmean。
運行以下代碼，根據配置文件det_db_mv3.yml中save_res_path指定的測試集檢測結果文件，計算評估指標。
評估時設置後處理參數box_thresh=0.5，unclip_ratio=1.5，使用不一樣數據集、不一樣模型訓練，可調整這兩個參數進行優化 訓練中模型參數默認保存在Global.save_model_dir目錄下。在評估指標時，須要設置Global.pretrained_model指向保存的參數文件。
python3 tools/eval.py -c configs/det/det_mv3_db.yml -o Global.pretrained_model="./output/det_mv3_vd/best_accuracy" PostProcess.box_thresh=0.5 PostProcess.unclip_ratio=1.5
- 注：
box_thresh、unclip_ratio是DB後處理所須要的參數，在評估EAST模型時不須要設置
測試檢測效果
測試單張圖像的檢測效果
python3 tools/infer_det.py -c configs/det/det_mv3_db.yml -o Global.infer_img="./doc/imgs_en/img_10.jpg" Global.pretrained_model="./output/det_db/best_accuracy" Global.load_static_weights=false
測試DB模型時，調整後處理閾值，
python3 tools/infer_det.py -c configs/det/det_mv3_db.yml -o Global.infer_img="./doc/imgs_en/img_10.jpg" Global.pretrained_model="./output/det_db/best_accuracy" Global.load_static_weights=false PostProcess.box_thresh=0.6 PostProcess.unclip_ratio=1.5
測試文件夾下全部圖像的檢測效果
python3 tools/infer_det.py -c configs/det/det_mv3_db.yml -o Global.infer_img="./doc/imgs_en/" Global.pretrained_model="./output/det_db/best_accuracy" Global.load_static_weights=false
文本識別
啓動訓練
PaddleOCR提供了訓練腳本、評估腳本和預測腳本，本節將以 CRNN 識別模型爲例：
首先下載pretrain model，您能夠下載訓練好的模型在 icdar2015 數據上進行finetune
cd PaddleOCR/ # 下載MobileNetV3的預訓練模型 wget -P ./pretrain_models/ https://paddleocr.bj.bcebos.com/dygraph_v2.0/en/rec_mv3_none_bilstm_ctc_v2.0_train.tar # 解壓模型參數 cd pretrain_models tar -xf rec_mv3_none_bilstm_ctc_v2.0_train.tar && rm -rf rec_mv3_none_bilstm_ctc_v2.0_train.tar
開始訓練:
若是您安裝的是cpu版本，請將配置文件中的 use_gpu 字段修改成false
# GPU訓練 支持單卡，多卡訓練，經過--gpus參數指定卡號
# 訓練icdar15英文數據 訓練日誌會自動保存爲 "{save_model_dir}" 下的train.log
python3 -m paddle.distributed.launch --gpus '0,1,2,3' tools/train.py -c configs/rec/rec_icdar15_train.yml
- 數據加強
PaddleOCR提供了多種數據加強方式，若是您但願在訓練時加入擾動，請在配置文件中設置 distort: true。
默認的擾動方式有：顏色空間轉換(cvtColor)、模糊(blur)、抖動(jitter)、噪聲(Gasuss noise)、隨機切割(random crop)、透視(perspective)、顏色反轉(reverse)。
訓練過程當中每種擾動方式以50%的機率被選擇，具體代碼實現請參考：img_tools.py
因爲OpenCV的兼容性問題，擾動操做暫時只支持Linux
- 訓練
PaddleOCR支持訓練和評估交替進行, 能夠在 configs/rec/rec_icdar15_train.yml 中修改 eval_batch_step 設置評估頻率，默認每500個iter評估一次。評估過程當中默認將最佳acc模型，保存爲 output/rec_CRNN/best_accuracy 。
若是驗證集很大，測試將會比較耗時，建議減小評估次數，或訓練完再進行評估。
其餘模型配置請參考PaddleOCR github
評估
評估數據集能夠經過 configs/rec/rec_icdar15_train.yml 修改Eval中的 label_file_path 設置。
# GPU 評估， Global.pretrained_model 爲待測權重
python3 -m paddle.distributed.launch --gpus '0' tools/eval.py -c configs/rec/rec_icdar15_train.yml -o Global.pretrained_model={path/to/weights}/best_accuracy
預測
- 訓練引擎的預測
使用 PaddleOCR 訓練好的模型，能夠經過如下腳本進行快速預測。
默認預測圖片存儲在 infer_img 裏，經過 -o Global.pretrained_model 指定權重：
# 預測英文結果
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
預測使用的配置文件必須與訓練一致，如您經過 python3 tools/train.py -c configs/rec/ch_ppocr_v2.0/rec_chinese_lite_train_v2.0.yml 完成了中文模型的訓練， 您可使用以下命令進行中文模型預測。
# 預測中文結果
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
文本角度分類
訓練
啓動訓練
將準備好的txt文件和圖片文件夾路徑分別寫入配置文件的 Train/Eval.dataset.label_file_list 和 Train/Eval.dataset.data_dir 字段下，Train/Eval.dataset.data_dir字段下的路徑和文件裏記載的圖片名構成了圖片的絕對路徑。
PaddleOCR提供了訓練腳本、評估腳本和預測腳本。
開始訓練:
若是您安裝的是cpu版本，請將配置文件中的 use_gpu 字段修改成false
# GPU訓練 支持單卡，多卡訓練，經過 '--gpus' 指定卡號。 # 啓動訓練，下面的命令已經寫入train.sh文件中，只需修改文件裏的配置文件路徑便可 python3 -m paddle.distributed.launch --gpus '0,1,2,3,4,5,6,7' tools/train.py -c configs/cls/cls_mv3.yml
數據加強
PaddleOCR提供了多種數據加強方式，若是您但願在訓練時加入擾動，請在配置文件中取消Train.dataset.transforms下的RecAug和RandAugment字段的註釋。
默認的擾動方式有：顏色空間轉換(cvtColor)、模糊(blur)、抖動(jitter)、噪聲(Gasuss noise)、隨機切割(random crop)、透視(perspective)、顏色反轉(reverse),隨機數據加強(RandAugment)。
訓練過程當中除隨機數據加強外每種擾動方式以50%的機率被選擇，具體代碼實現請參考： rec_img_aug.py randaugment.py
因爲OpenCV的兼容性問題，擾動操做暫時只支持linux
訓練
PaddleOCR支持訓練和評估交替進行, 能夠在 configs/cls/cls_mv3.yml 中修改 eval_batch_step 設置評估頻率，默認每1000個iter評估一次。訓練過程當中將會保存以下內容：
├── best_accuracy.pdopt # 最佳模型的優化器參數 ├── best_accuracy.pdparams # 最佳模型的參數 ├── best_accuracy.states # 最佳模型的指標和epoch等信息 ├── config.yml # 本次實驗的配置文件 ├── latest.pdopt # 最新模型的優化器參數 ├── latest.pdparams # 最新模型的參數 ├── latest.states # 最新模型的指標和epoch等信息 └── train.log # 訓練日誌
若是驗證集很大，測試將會比較耗時，建議減小評估次數，或訓練完再進行評估。
注意，預測/評估時的配置文件請務必與訓練一致
評估
評估數據集能夠經過修改configs/cls/cls_mv3.yml文件裏的Eval.dataset.label_file_list 字段設置。
export CUDA_VISIBLE_DEVICES=0
# GPU 評估， Global.checkpoints 爲待測權重
python3 tools/eval.py -c configs/cls/cls_mv3.yml -o Global.checkpoints={path/to/weights}/best_accuracy
預測
- 訓練引擎的預測
使用 PaddleOCR 訓練好的模型，能夠經過如下腳本進行快速預測。
經過 Global.infer_img 指定預測圖片或文件夾路徑，經過 Global.checkpoints 指定權重：
# 預測分類結果
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
配置文件說明
Global
| 字段 | 用途 | 默認值 | 備註 |
|---|---|---|---|
| use_gpu | 設置代碼是否在gpu運行 | true | \ |
| epoch_num | 最大訓練epoch數 | 500 | \ |
| log_smooth_window | log隊列長度，每次打印輸出隊列裏的中間值 | 20 | \ |
| print_batch_step | 設置打印log間隔 | 10 | \ |
| save_model_dir | 設置模型保存路徑 | output/{算法名稱} | \ |
| save_epoch_step | 設置模型保存間隔 | 3 | \ |
| eval_batch_step | 設置模型評估間隔 | 2000 或 [1000, 2000] | 2000 表示每2000次迭代評估一次，[1000， 2000]表示從1000次迭代開始，每2000次評估一次 |
| cal_metric_during_train | 設置是否在訓練過程當中評估指標，此時評估的是模型在當前batch下的指標 | true | \ |
| load_static_weights | 設置預訓練模型是不是靜態圖模式保存(目前僅檢測算法須要) | true | \ |
| pretrained_model | 設置加載預訓練模型路徑 | ./pretrain_models/CRNN/best_accuracy | \ |
| checkpoints | 加載模型參數路徑 | None | 用於中斷後加載參數繼續訓練 |
| use_visualdl | 設置是否啓用visualdl進行可視化log展現 | False | 教程地址 |
| infer_img | 設置預測圖像路徑或文件夾路徑 | ./infer_img | | |
| character_dict_path | 設置字典路徑 | ./ppocr/utils/ppocr_keys_v1.txt | \ |
| max_text_length | 設置文本最大長度 | 25 | \ |
| character_type | 設置字符類型 | ch | en/ch, en時將使用默認dict，ch時使用自定義dict |
| use_space_char | 設置是否識別空格 | True | 僅在 character_type=ch 時支持空格 |
| label_list | 設置方向分類器支持的角度 | ['0','180'] | 僅在方向分類器中生效 |
| save_res_path | 設置檢測模型的結果保存地址 | ./output/det_db/predicts_db.txt | 僅在檢測模型中生效 |
Optimizer (ppocr/optimizer)
| 字段 | 用途 | 默認值 | 備註 |
|---|---|---|---|
| name | 優化器類名 | Adam | 目前支持Momentum,Adam,RMSProp, 見ppocr/optimizer/optimizer.py |
| beta1 | 設置一階矩估計的指數衰減率 | 0.9 | \ |
| beta2 | 設置二階矩估計的指數衰減率 | 0.999 | \ |
| clip_norm | 所容許的二範數最大值 | \ | |
| lr | 設置學習率decay方式 | - | \ |
| name | 學習率decay類名 | Cosine | 目前支持Linear,Cosine,Step,Piecewise, 見ppocr/optimizer/learning_rate.py |
| learning_rate | 基礎學習率 | 0.001 | \ |
| regularizer | 設置網絡正則化方式 | - | \ |
| name | 正則化類名 | L2 | 目前支持L1,L2, 見ppocr/optimizer/regularizer.py |
| factor | 學習率衰減係數 | 0.00004 | \ |
Architecture (ppocr/modeling)
在ppocr中，網絡被劃分爲Transform,Backbone,Neck和Head四個階段
| 字段 | 用途 | 默認值 | 備註 |
|---|---|---|---|
| model_type | 網絡類型 | rec | 目前支持rec,det,cls |
| algorithm | 模型名稱 | CRNN | 支持列表見algorithm_overview |
| Transform | 設置變換方式 | - | 目前僅rec類型的算法支持, 具體見ppocr/modeling/transform |
| name | 變換方式類名 | TPS | 目前支持TPS |
| num_fiducial | TPS控制點數 | 20 | 上下邊各十個 |
| loc_lr | 定位網絡學習率 | 0.1 | \ |
| model_name | 定位網絡大小 | small | 目前支持small,large |
| Backbone | 設置網絡backbone類名 | - | 具體見ppocr/modeling/backbones |
| name | backbone類名 | ResNet | 目前支持MobileNetV3,ResNet |
| layers | resnet層數 | 34 | 支持18,34,50,101,152,200 |
| model_name | MobileNetV3 網絡大小 | small | 支持small,large |
| Neck | 設置網絡neck | - | 具體見ppocr/modeling/necks |
| name | neck類名 | SequenceEncoder | 目前支持SequenceEncoder,DBFPN |
| encoder_type | SequenceEncoder編碼器類型 | rnn | 支持reshape,fc,rnn |
| hidden_size | rnn內部單元數 | 48 | \ |
| out_channels | DBFPN輸出通道數 | 256 | \ |
| Head | 設置網絡Head | - | 具體見ppocr/modeling/heads |
| name | head類名 | CTCHead | 目前支持CTCHead,DBHead,ClsHead |
| fc_decay | CTCHead正則化係數 | 0.0004 | \ |
| k | DBHead二值化係數 | 50 | \ |
| class_dim | ClsHead輸出分類數 | 2 | \ |
Loss (ppocr/losses)
| 字段 | 用途 | 默認值 | 備註 |
|---|---|---|---|
| name | 網絡loss類名 | CTCLoss | 目前支持CTCLoss,DBLoss,ClsLoss |
| balance_loss | DBLossloss中是否對正負樣本數量進行均衡(使用OHEM) | True | \ |
| ohem_ratio | DBLossloss中的OHEM的負正樣本比例 | 3 | \ |
| main_loss_type | DBLossloss中shrink_map所採用的的loss | DiceLoss | 支持DiceLoss,BCELoss |
| alpha | DBLossloss中shrink_map_loss的係數 | 5 | \ |
| beta | DBLossloss中threshold_map_loss的係數 | 10 | \ |
PostProcess (ppocr/postprocess)
| 字段 | 用途 | 默認值 | 備註 |
|---|---|---|---|
| name | 後處理類名 | CTCLabelDecode | 目前支持CTCLoss,AttnLabelDecode,DBPostProcess,ClsPostProcess |
| thresh | DBPostProcess中分割圖進行二值化的閾值 | 0.3 | \ |
| box_thresh | DBPostProcess中對輸出框進行過濾的閾值，低於此閾值的框不會輸出 | 0.7 | \ |
| max_candidates | DBPostProcess中輸出的最大文本框數量 | 1000 | |
| unclip_ratio | DBPostProcess中對文本框進行放大的比例 | 2.0 | \ |
Metric (ppocr/metrics)
| 字段 | 用途 | 默認值 | 備註 |
|---|---|---|---|
| name | 指標評估方法名稱 | CTCLabelDecode | 目前支持DetMetric,RecMetric,ClsMetric |
| main_indicator | 主要指標,用於選取最優模型 | acc | 對於檢測方法爲hmean，識別和分類方法爲acc |
Dataset (ppocr/data)
| 字段 | 用途 | 默認值 | 備註 |
|---|---|---|---|
| dataset | 每次迭代返回一個樣本 | - | - |
| name | dataset類名 | SimpleDataSet | 目前支持SimpleDataSet和LMDBDateSet |
| data_dir | 數據集圖片存放路徑 | ./train_data | \ |
| label_file_list | 數據標籤路徑 | ["./train_data/train_list.txt"] | dataset爲LMDBDateSet時不須要此參數 |
| ratio_list | 數據集的比例 | [1.0] | 若label_file_list中有兩個train_list，且ratio_list爲[0.4,0.6]，則從train_list1中採樣40%，從train_list2中採樣60%組合整個dataset |
| transforms | 對圖片和標籤進行變換的方法列表 | [DecodeImage,CTCLabelEncode,RecResizeImg,KeepKeys] | 見ppocr/data/imaug |
| loader | dataloader相關 | - | |
| shuffle | 每一個epoch是否將數據集順序打亂 | True | \ |
| batch_size_per_card | 訓練時單卡batch size | 256 | \ |
| drop_last | 是否丟棄因數據集樣本數不能被 batch_size 整除而產生的最後一個不完整的mini-batch | True | \ |
| num_workers | 用於加載數據的子進程個數，若爲0即爲不開啓子進程，在主進程中進行數據加載 | 8 |
錯誤解決方案
當文本識別使用ResNet50時，會出現DataLoader reader thread raised an exception!
將配置文件的train loader batch_size_per_card改成8便可
- 1. PaddleOCR的初體驗
- 2. PaddleOCR安裝、部署、測試
- 3. Linux服務器下部署安裝PaddleOCR
- 4. 百度飛槳PaddleOCR 使用記錄（踩坑記錄）
- 5. PaddleOCR初體驗，基於PaddleHub Serving的服務部署
- 6. OCR——PaddleOCR之文字識別的學習筆記
- 7. systemd詳解詳解
- 8. CAN詳解--協議詳解
- 9. LinkedList詳解（源碼詳解）
- 10. RNN詳解及BPTT詳解
- 更多相關文章...
- • 免費ARP詳解 - TCP/IP教程
- • *.hbm.xml映射文件詳解 - Hibernate教程
- • Flink 數據傳輸及反壓詳解
- • 爲了進字節跳動，我精選了29道Java經典算法題，帶詳細講解
-
每一个你不满意的现在，都有一个你没有努力的曾经。