Merge branch 'release/2.0' into release2.0
This commit is contained in:
Evezerest
GitHub
commit
84ef96f35d
|
|
@ -8,7 +8,7 @@ PaddleOCR同时支持动态图与静态图两种编程范式
|
|||
- 静态图版本：develop分支
|
||||
|
||||
**近期更新**
|
||||
- 2021.2.22 [FAQ](./doc/doc_ch/FAQ.md)新增5个高频问题，总数172个，每周一都会更新，欢迎大家持续关注。
|
||||
- 2021.3.1 [FAQ](./doc/doc_ch/FAQ.md)新增5个高频问题，总数177个，每周一都会更新，欢迎大家持续关注。
|
||||
- 2021.2.8 正式发布PaddleOCRv2.0(branch release/2.0)并设置为推荐用户使用的默认分支. 发布的详细内容，请参考: https://github.com/PaddlePaddle/PaddleOCR/releases/tag/v2.0.0
|
||||
- 2021.1.26,28,29 PaddleOCR官方研发团队带来技术深入解读三日直播课，1月26日、28日、29日晚上19:30，[直播地址](https://live.bilibili.com/21689802)
|
||||
- 2021.1.21 更新多语言识别模型，目前支持语种超过27种，[多语言模型下载](./doc/doc_ch/models_list.md)，包括中文简体、中文繁体、英文、法文、德文、韩文、日文、意大利文、西班牙文、葡萄牙文、俄罗斯文、阿拉伯文等，后续计划可以参考[多语言研发计划](https://github.com/PaddlePaddle/PaddleOCR/issues/1048)
|
||||
|
|
|
|||
|
|
@ -131,7 +131,7 @@ if __name__ == '__main__':
|
|||
if FLAGS.val:
|
||||
global_config['Eval']['dataset']['label_file_list'] = [FLAGS.val]
|
||||
eval_label_path = os.path.join(project_path,FLAGS.val)
|
||||
loss_file(Eval_label_path)
|
||||
loss_file(eval_label_path)
|
||||
if FLAGS.dict:
|
||||
global_config['Global']['character_dict_path'] = FLAGS.dict
|
||||
dict_path = os.path.join(project_path,FLAGS.dict)
|
||||
|
|
|
|||
|
|
@ -76,7 +76,7 @@ void CRNNRecognizer::Run(std::vector<std::vector<std::vector<int>>> boxes,
|
|||
float(*std::max_element(&predict_batch[n * predict_shape[2]],
|
||||
&predict_batch[(n + 1) * predict_shape[2]]));
|
||||
|
||||
if (argmax_idx > 0 && (!(i > 0 && argmax_idx == last_index))) {
|
||||
if (argmax_idx > 0 && (!(n > 0 && argmax_idx == last_index))) {
|
||||
score += max_value;
|
||||
count += 1;
|
||||
str_res.push_back(label_list_[argmax_idx]);
|
||||
|
|
|
|||
|
|
@ -9,55 +9,47 @@
|
|||
|
||||
## PaddleOCR常见问题汇总(持续更新)
|
||||
|
||||
* [近期更新（2021.2.22）](#近期更新)
|
||||
* [近期更新（2021.3.1）](#近期更新)
|
||||
* [【精选】OCR精选10个问题](#OCR精选10个问题)
|
||||
* [【理论篇】OCR通用32个问题](#OCR通用问题)
|
||||
* [基础知识7题](#基础知识)
|
||||
* [数据集7题](#数据集2)
|
||||
* [模型训练调优18题](#模型训练调优2)
|
||||
* [【实战篇】PaddleOCR实战125个问题](#PaddleOCR实战问题)
|
||||
* [使用咨询43题](#使用咨询)
|
||||
* [【实战篇】PaddleOCR实战130个问题](#PaddleOCR实战问题)
|
||||
* [使用咨询48题](#使用咨询)
|
||||
* [数据集18题](#数据集3)
|
||||
* [模型训练调优30题](#模型训练调优3)
|
||||
* [预测部署39题](#预测部署3)
|
||||
|
||||
|
||||
<a name="近期更新"></a>
|
||||
## 近期更新（2021.2.22）
|
||||
## 近期更新（2021.3.1）
|
||||
|
||||
#### Q3.1.42: 训练识别任务的时候，在CPU上运行时，报错`The setting of Parameter-Server must has server_num or servers`。
|
||||
#### Q3.1.44: 文字识别训练，设置图像高度不等于32时报错
|
||||
**A**：ctc decode的时候，输入需要是1维向量，因此降采样之后，建议特征图高度为1，ppocr中，特征图会降采样32倍，之后高度正好为1，所以有2种解决方案
|
||||
- 指定输入shape高度为32（推荐）
|
||||
- 在backbone的mv3中添加更多的降采样模块，保证输出的特征图高度为1
|
||||
|
||||
**A**：这是训练任务启动方式不对造成的。
|
||||
#### Q3.1.45: 增大batch_size模型训练速度没有明显提升
|
||||
如果bs打得太大，加速效果不明显的话，可以试一下增大初始化内存的值，运行代码前设置环境变量：
|
||||
```
|
||||
export FLAGS_initial_cpu_memory_in_mb=2000 # 设置初始化内存约2G左右
|
||||
```
|
||||
|
||||
1. 在使用CPU或者单块GPU训练的时候，可以直接使用`python3 tools/train.py -c xxx.yml`的方式启动。
|
||||
2. 在使用多块GPU训练的时候，需要使用`distributed.launch`的方式启动，如`python3 -m paddle.distributed.launch --gpus '0,1,2,3' tools/train.py -c xxx.yml`，这种方式需要安装NCCL库，如果没有的话会报错。
|
||||
#### Q3.1.46: 动态图分支(dygraph,release/2.0)，训练模型和推理模型效果不一致
|
||||
当前问题表现为：使用训练完的模型直接测试结果较好，但是转换为inference model后，预测结果不一致；出现这个问题一般是两个原因：
|
||||
- 1. 预处理函数设置的不一致
|
||||
- 2. 后处理参数不一致
|
||||
repo中config.yml文件的前后处理参数和inference预测默认的超参数有不一致的地方，建议排查下训练模型预测和inference预测的前后处理，
|
||||
参考[issue](https://github.com/PaddlePaddle/PaddleOCR/issues/2080)。
|
||||
|
||||
#### Q3.1.43：使用StyleText进行数据合成时，文本(TextInput)的长度远超StyleInput的长度，该怎么处理与合成呢？
|
||||
#### Q3.1.47: paddleocr package 报错 FatalError: `Process abort signal` is detected by the operating system
|
||||
首先，按照[安装文档](./installation.md)安装PaddleOCR的运行环境；另外，检查python环境，python3.6/3.8上可能会出现这个问题，建议用python3.7，
|
||||
参考[issue](https://github.com/PaddlePaddle/PaddleOCR/issues/2069)。
|
||||
|
||||
|
||||
**A**：在使用StyleText进行数据合成的时候，建议StyleInput的长度长于TextInput的长度。有2种方法可以处理上述问题：
|
||||
|
||||
1. 将StyleInput按列的方向进行复制与扩充，直到其超过TextInput的长度。
|
||||
2. 将TextInput进行裁剪，保证每段TextInput都稍短于StyleInput，分别合成之后，再拼接在一起。
|
||||
|
||||
实际使用中发现，使用第2种方法的效果在长文本合成的场景中的合成效果更好，StyleText中提供的也是第2种数据合成的逻辑。
|
||||
|
||||
|
||||
#### Q3.4.37: 在windows上进行cpp inference的部署时，总是提示找不到`paddle_fluid.dll`和`opencv_world346.dll`，
|
||||
**A**：有2种方法可以解决这个问题：
|
||||
|
||||
1. 将paddle预测库和opencv库的地址添加到系统环境变量中。
|
||||
2. 将提示缺失的dll文件拷贝到编译产出的`ocr_system.exe`文件夹中。
|
||||
|
||||
|
||||
#### Q3.4.38：想在Mac上部署，从哪里下载预测库呢？
|
||||
|
||||
**A**：Mac上的Paddle预测库可以从这里下载：[https://paddle-inference-lib.bj.bcebos.com/mac/2.0.0/cpu_avx_openblas/paddle_inference.tgz](https://paddle-inference-lib.bj.bcebos.com/mac/2.0.0/cpu_avx_openblas/paddle_inference.tgz)
|
||||
|
||||
|
||||
#### Q3.4.39：内网环境如何进行服务化部署呢？
|
||||
|
||||
**A**：仍然可以使用PaddleServing或者HubServing进行服务化部署，保证内网地址可以访问即可。
|
||||
#### Q3.1.48: 下载的识别模型解压后缺失文件，没有期望的inference.pdiparams, inference.pdmodel等文件
|
||||
用解压软件解压可能会出现这个问题，建议二次解压下或者用命令行解压`tar xf `
|
||||
|
||||
|
||||
<a name="OCR精选10个问题"></a>
|
||||
|
|
@ -531,6 +523,35 @@ release/2.0-rc1-0是基于Paddle 2.0rc1的稳定版本，release/2.0是基于Pad
|
|||
|
||||
实际使用中发现，使用第2种方法的效果在长文本合成的场景中的合成效果更好，StyleText中提供的也是第2种数据合成的逻辑。
|
||||
|
||||
|
||||
#### Q3.1.44: 文字识别训练，设置图像高度不等于32时报错
|
||||
**A**：ctc decode的时候，输入需要是1维向量，因此降采样之后，建议特征图高度为1，ppocr中，特征图会降采样32倍，之后高度正好为1，所以有2种解决方案
|
||||
- 指定输入shape高度为32（推荐）
|
||||
- 在backbone的mv3中添加更多的降采样模块，保证输出的特征图高度为1
|
||||
|
||||
#### Q3.1.45: 增大batch_size模型训练速度没有明显提升
|
||||
如果bs打得太大，加速效果不明显的话，可以试一下增大初始化内存的值，运行代码前设置环境变量：
|
||||
```
|
||||
export FLAGS_initial_cpu_memory_in_mb=2000 # 设置初始化内存约2G左右
|
||||
```
|
||||
|
||||
#### Q3.1.46: 动态图分支(dygraph,release/2.0)，训练模型和推理模型效果不一致
|
||||
当前问题表现为：使用训练完的模型直接测试结果较好，但是转换为inference model后，预测结果不一致；出现这个问题一般是两个原因：
|
||||
- 1. 预处理函数设置的不一致
|
||||
- 2. 后处理参数不一致
|
||||
repo中config.yml文件的前后处理参数和inference预测默认的超参数有不一致的地方，建议排查下训练模型预测和inference预测的前后处理，
|
||||
参考[issue](https://github.com/PaddlePaddle/PaddleOCR/issues/2080)。
|
||||
|
||||
#### Q3.1.47: paddleocr package 报错 FatalError: `Process abort signal` is detected by the operating system
|
||||
首先，按照[安装文档](./installation.md)安装PaddleOCR的运行环境；另外，检查python环境，python3.6/3.8上可能会出现这个问题，建议用python3.7，
|
||||
参考[issue](https://github.com/PaddlePaddle/PaddleOCR/issues/2069)。
|
||||
|
||||
|
||||
#### Q3.1.48: 下载的识别模型解压后缺失文件，没有期望的inference.pdiparams, inference.pdmodel等文件
|
||||
用解压软件解压可能会出现这个问题，建议二次解压下或者用命令行解压`tar xf `
|
||||
|
||||
|
||||
|
||||
<a name="数据集3"></a>
|
||||
### 数据集
|
||||
|
||||
|
|
|
|||
|
|
@ -32,7 +32,6 @@ class MakeShrinkMap(object):
|
|||
text_polys, ignore_tags = self.validate_polygons(text_polys,
|
||||
ignore_tags, h, w)
|
||||
gt = np.zeros((h, w), dtype=np.float32)
|
||||
# gt = np.zeros((1, h, w), dtype=np.float32)
|
||||
mask = np.ones((h, w), dtype=np.float32)
|
||||
for i in range(len(text_polys)):
|
||||
polygon = text_polys[i]
|
||||
|
|
@ -51,7 +50,8 @@ class MakeShrinkMap(object):
|
|||
shrinked = []
|
||||
|
||||
# Increase the shrink ratio every time we get multiple polygon returned back
|
||||
possible_ratios = np.arange(self.shrink_ratio, 1, self.shrink_ratio)
|
||||
possible_ratios = np.arange(self.shrink_ratio, 1,
|
||||
self.shrink_ratio)
|
||||
np.append(possible_ratios, 1)
|
||||
# print(possible_ratios)
|
||||
for ratio in possible_ratios:
|
||||
|
|
@ -104,4 +104,4 @@ class MakeShrinkMap(object):
|
|||
edge += (polygon[next_index, 0] - polygon[i, 0]) * (
|
||||
polygon[next_index, 1] - polygon[i, 1])
|
||||
|
||||
return edge / 2.
|
||||
return edge / 2.
|
||||
|
|
|
|||
|
|
@ -14,7 +14,6 @@
|
|||
|
||||
import logging
|
||||
import os
|
||||
import imghdr
|
||||
import cv2
|
||||
|
||||
|
||||
|
|
@ -51,13 +50,15 @@ def get_image_file_list(img_file):
|
|||
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', 'bmp', 'png', 'jpeg', 'rgb', 'tif', 'tiff', 'gif', 'GIF'}
|
||||
if os.path.isfile(img_file) and imghdr.what(img_file) in img_end:
|
||||
img_end = {'jpg', 'bmp', 'png', 'jpeg', 'rgb', 'tif', 'tiff', 'gif'}
|
||||
if os.path.isfile(img_file) and os.path.splitext(img_file)[-1][1:].lower(
|
||||
) in img_end:
|
||||
imgs_lists.append(img_file)
|
||||
elif os.path.isdir(img_file):
|
||||
for single_file in os.listdir(img_file):
|
||||
file_path = os.path.join(img_file, single_file)
|
||||
if os.path.isfile(file_path) and imghdr.what(file_path) in img_end:
|
||||
if os.path.isfile(file_path) and os.path.splitext(file_path)[-1][
|
||||
1:].lower() in img_end:
|
||||
imgs_lists.append(file_path)
|
||||
if len(imgs_lists) == 0:
|
||||
raise Exception("not found any img file in {}".format(img_file))
|
||||
|
|
@ -76,4 +77,4 @@ def check_and_read_gif(img_path):
|
|||
frame = cv2.cvtColor(frame, cv2.COLOR_GRAY2RGB)
|
||||
imgvalue = frame[:, :, ::-1]
|
||||
return imgvalue, True
|
||||
return None, False
|
||||
return None, False
|
||||
|
|
|
|||
|
|
@ -39,10 +39,7 @@ class TextDetector(object):
|
|||
self.args = args
|
||||
self.det_algorithm = args.det_algorithm
|
||||
pre_process_list = [{
|
||||
'DetResizeForTest': {
|
||||
'limit_side_len': args.det_limit_side_len,
|
||||
'limit_type': args.det_limit_type
|
||||
}
|
||||
'DetResizeForTest': None
|
||||
}, {
|
||||
'NormalizeImage': {
|
||||
'std': [0.229, 0.224, 0.225],
|
||||
|
|
|
|||
|
|
@ -97,7 +97,7 @@ def main():
|
|||
preds = model(images)
|
||||
post_result = post_process_class(preds, shape_list)
|
||||
boxes = post_result[0]['points']
|
||||
# write resule
|
||||
# write result
|
||||
dt_boxes_json = []
|
||||
for box in boxes:
|
||||
tmp_json = {"transcription": ""}
|
||||
|
|
|
|||
Loading…
Reference in New Issue