PaddleOCR/doc/recognition.md

7.4 KiB
Raw Blame History

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 数据,用于快速验证。也可以参考DTRB,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

PaddleOCR 提供了一份用于训练 icdar2015 数据集的标签文件,通过以下方式下载:

# 训练集标签
wget -P ./train_data/ic15_data  https://paddleocr.bj.bcebos.com/dataset/rec_gt_train.txt
# 测试集标签
wget -P ./train_data/ic15_data  https://paddleocr.bj.bcebos.com/dataset/rec_gt_test.txt

最终训练集应有如下文件结构:

|-train_data
    |-ic15_data
        |- rec_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rec_gt_test.txt测试集的结构如下所示

|-train_data
    |-ic15_data
        |- rec_gt_test.txt
        |- test
            |- word_001.jpg
            |- word_002.jpg
            |- word_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, 并将 character_type 设置为 ch

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:

首先下载pretrain model您可以下载训练好的模型在 icdar2015 数据上进行finetune

cd PaddleOCR/
# 下载MobileNetV3的预训练模型
wget -P ./pretrain_models/ https://paddleocr.bj.bcebos.com/rec_mv3_none_bilstm_ctc.tar
# 解压模型参数
cd pretrain_models
tar -xf rec_mv3_none_bilstm_ctc.tar && rm -rf rec_mv3_none_bilstm_ctc.tar

开始训练:

# 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
# 训练icdar15英文数据
python3 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500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PaddleOCR支持的识别算法有
配置文件 算法名称 backbone trans seq pred
rec_chinese_lite_train.yml CRNN Mobilenet_v3 small 0.5 None BiLSTM ctc
rec_icdar15_train.yml CRNN Mobilenet_v3 large 0.5 None BiLSTM ctc
rec_mv3_none_bilstm_ctc.yml CRNN Mobilenet_v3 large 0.5 None BiLSTM ctc
rec_mv3_none_none_ctc.yml Rosetta Mobilenet_v3 large 0.5 None None ctc
rec_mv3_tps_bilstm_ctc.yml STARNet Mobilenet_v3 large 0.5 tps BiLSTM ctc
rec_mv3_tps_bilstm_attn.yml RARE Mobilenet_v3 large 0.5 tps BiLSTM attention
rec_r34_vd_none_bilstm_ctc.yml CRNN Resnet34_vd None BiLSTM ctc
rec_r34_vd_none_none_ctc.yml Rosetta Resnet34_vd None None ctc
rec_r34_vd_tps_bilstm_attn.yml RARE Resnet34_vd tps BiLSTM attention
rec_r34_vd_tps_bilstm_ctc.yml STARNet Resnet34_vd tps BiLSTM ctc

训练中文数据,推荐使用rec_chinese_lite_train.yml,如您希望尝试其他算法在中文数据集上的效果,请参考下列说明修改配置文件:

rec_mv3_none_none_ctc.yml 为例:

Global:
  ...
  # 修改 image_shape 以适应长文本
  image_shape: [3, 32, 320]
  ...
  # 修改字符类型
  character_type: ch
  # 添加自定义字典,如修改字典请将路径指向新字典
  character_dict_path: ./ppocr/utils/ppocr_keys_v1.txt
  ...
  # 修改reader类型
  reader_yml: ./configs/rec/rec_chinese_reader.yml
  ...

...

注意,预测/评估时的配置文件请务必与训练一致。

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
python3 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

使用 PaddleOCR 训练好的模型,可以通过以下脚本进行快速预测。

默认预测图片存储在 infer_img 里,通过 -o Global.checkpoints 指定权重:

# 预测英文结果
python3 tools/infer_rec.py -c configs/rec/rec_chinese_lite_train.yml -o Global.checkpoints={path/to/weights}/best_accuracy TestReader.infer_img=doc/imgs_word/en/word_1.jpg

预测图片:

得到输入图像的预测结果:

infer_img: doc/imgs_words/en/word_1.png
     index: [19 24 18 23 29]
     word : joint

预测使用的配置文件必须与训练一致,如您通过 python3 tools/train.py -c configs/rec/rec_chinese_lite_train.yml 完成了中文模型的训练, 您可以使用如下命令进行中文模型预测。

# 预测中文结果
python3 tools/infer_rec.py -c configs/rec/rec_chinese_lite_train.yml -o Global.checkpoints={path/to/weights}/best_accuracy TestReader.infer_img=doc/imgs_word/ch/word_1.jpg

预测图片:

得到输入图像的预测结果:

infer_img: doc/imgs_words/ch/word_1.jpg
     index: [2092  177  312 2503]
     word : 韩国小馆