PaddleOCR/doc/recognition.md

文字识别

数据准备

PaddleOCR 支持 lmdb 和 通用数据 两种数据格式，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，可以参考DTRB，下载 benchmark 所需的lmdb格式数据集。也可在官网下载 icdar2015 数据，用于快速验证。

• 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：

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RCNN中文识别模型为例：

# 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/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。

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.pretrain_weights 为待测权重
python tools/eval.py -c configs/rec/rec_chinese_lite_train.yml -o Global.pretrain_weights={path/to/weights}/best_accuracy

测试

• 训练引擎的预测

PaddleOCR 提供了训练好的中文模型，可以使用

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

python tools/infer_rec.py -c configs/rec/rec_chinese_lite_train.yml -o Global.pretrain_weights={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

得到预测结果后，脚本会自动将权重转换为inference model 并保存在 rec_inference 下：

|-rec_inference |- model |- params