Merge pull request #6 from tink2123/fix_inference

Fix inference

configs/rec/rec_icdar15_train.yml

@@ -1,12 +1,12 @@
 Global:
   algorithm: CRNN
   use_gpu: true
-  epoch_num: 300
+  epoch_num: 3000
   log_smooth_window: 20
   print_batch_step: 10
-  save_model_dir: output_ic15
+  save_model_dir: ./output/rec_CRNN
-  save_epoch_step: 3
+  save_epoch_step: 300
-  eval_batch_step: 2000
+  eval_batch_step: 500
   train_batch_size_per_card: 256
   test_batch_size_per_card: 256
   image_shape: [3, 32, 100]
@@ -37,6 +37,6 @@ Loss:
 
 Optimizer:
   function: ppocr.optimizer,AdamDecay
-  base_lr: 0.001
+  base_lr: 0.0005
   beta1: 0.9
   beta2: 0.999

doc/recognition.md

@@ -0,0 +1,135 @@
+## 文字识别
+
+### 数据准备
+
+
+PaddleOCR 支持两种数据格式: `lmdb` 用于训练公开数据，调试算法, `通用数据` 训练自己的数据: 
+
+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`,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_detection>/train_data/dataset
+```
+
+
+* 数据下载
+
+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。
+
+* 使用自己数据集：
+
+若您希望使用自己的数据进行训练，请参考下文组织您的数据。
+
+- 训练集
+
+首先请将训练图片放入同一个文件夹（train_images），并用一个txt文件（rec_gt_train.txt）记录图片路径和标签。
+
+* 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
+
+```
+" 图像文件名                 图像标注信息 "
+
+train_data/train_0001.jpg   简单可依赖
+train_data/train_0002.jpg   用科技让复杂的世界更简单
+```
+
+最终训练集应有如下文件结构：
+
+```
+|-train_data
+    |- rec_gt_train.txt
+    |- train_imags
+        |- train_001.jpg
+        |- train_002.jpg
+        |- train_003.jpg
+        | ...
+```
+
+- 评估集
+
+同训练集类似，评估集也需要提供一个包含所有图片的文件夹（eval_images）和一个rec_gt_eval.txt，评估集的结构如下所示：
+
+```
+|-train_data
+    |- rec_gt_eval.txt
+    |- eval_imags
+        |- eval_001.jpg
+        |- eval_002.jpg
+        |- eval_003.jpg
+        | ...
+```
+
+- 字典
+
+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。
+
+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：
+
+```
+l
+d
+a
+d
+r
+n
+```
+
+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]
+
+`ppocr/utils/ppocr_keys_v1.txt` 是一个包含6623个字符的中文字典，
+`ppocr/utils/ic15_dict.txt` 是一个包含36个字符的英文字典，
+您可以按需使用。如需自定义dic文件，请修改 `configs/rec/rec_icdar15_train.yml` 中的 `character_dict_path` 字段。
+
+
+### 启动训练
+
+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：
+
+```
+# 设置PYTHONPATH路径
+export PYTHONPATH=$PYTHONPATH:.
+# GPU训练 支持单卡，多卡训练，通过CUDA_VISIBLE_DEVICES指定卡号
+export CUDA_VISIBLE_DEVICES=0,1,2,3
+python tools/train.py -c configs/rec/rec_icdar15_train.yml
+```
+
+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2000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` 。
+
+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。
+
+* 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
+
+### 评估
+
+评估数据集可以通过 `configs/rec/rec_icdar15_reader.yml`  修改EvalReader中的 `label_file_path` 设置。
+
+```
+export CUDA_VISIBLE_DEVICES=0
+# GPU 评估， Global.checkpoints 为待测权重
+python tools/eval.py -c configs/rec/rec_chinese_lite_train.yml -o Global.checkpoints={path/to/weights}/best_accuracy
+```
+
+### 预测
+
+* 训练引擎的预测
+
+PaddleOCR 提供了训练好的中文模型，可以[下载](todo: add)进行快速预测。
+
+默认预测图片存储在 `infer_img` 里，通过 `-o Global.checkpoints` 指定权重：
+
+```
+python tools/infer_rec.py -c configs/rec/rec_chinese_lite_train.yml -o Global.checkpoints={path/to/weights}/best_accuracy
+```
+
+得到输入图像的预测结果：
+
+```
+infer_img: infer_img/328_4.jpg
+# 字符在字典中的索引
+[1863  921   55  155 1863 4209 3344  486  914 1863 4918]
+# 预测结果
+冷库专用冷冻液/载冷剂
+```
+

ppocr/data/rec/dataset_traversal.py

@@ -184,6 +184,8 @@ class SimpleReader(object):
                     substr = label_infor.decode('utf-8').strip("\n").split("\t")
                     img_path = self.img_set_dir + "/" + substr[0]
                     img = cv2.imread(img_path)
+                    if img.shape[-1]==1 or len(list(img.shape))==2:
+                        img = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)
                     if img is None:
                         logger.info("{} does not exist!".format(img_path))
                         continue

ppocr/utils/character.py

@@ -64,7 +64,7 @@ class CharacterOps(object):
                     [sum(text_lengths)] = [text_index_0 + text_index_1 + ... + text_index_(n - 1)]
             length: length of each text. [batch_size]
         """
-        if self.character_type == "en":
+        if self.character_type == "en" or text.encode( 'UTF-8' ).isalpha():
             text = text.lower()
 
         text_list = []