PaddleOCR 使用以及用自己的数据训练[通俗易懂]

PaddleOCR 使用以及用自己的数据训练[通俗易懂]在OCR方面找了很多资料,本来想要找pytorch框架下的算法,无奈很多OCR算法太老,没人更新。感觉这块有点冷门似的,不像其它热门算法一出来就有各个框架版本的复现。看了paddleOCR真的是相当全面深刻了,还是我们自家的框架接地气。而且百度经常搞直播分享学习什么的,各种训练营还有学习群….首先github下载:https://github.com/PaddlePaddle/PaddleOCR并解压一。试用官方模型打开这个网址的中文版,下载预训练模型:https://git..

大家好,欢迎来到IT知识分享网。

在OCR方面找了很多资料,本来想要找pytorch框架下的算法,无奈很多OCR算法太老,没人更新。感觉这块有点冷门似的,不像其它热门算法一出来就有各个框架版本的复现。

看了paddleOCR真的是相当全面深刻了,还是我们自家的框架接地气。而且百度经常搞直播分享学习什么的,各种训练营还有学习群….

 

首先github下载:https://github.com/PaddlePaddle/PaddleOCR 并解压

一。试用官方模型

打开这个网址的中文版,下载预训练模型:

https://github.com/PaddlePaddle/PaddleOCR/blob/develop/README_ch.md

PaddleOCR 使用以及用自己的数据训练[通俗易懂]

先用轻量OCR模型,分别下载检测和识别以及方向分类器。这里关于预训练模型/训练模型/推理模型,官方有说明:

PaddleOCR 使用以及用自己的数据训练[通俗易懂]

注:更多模型在模型列表中:https://github.com/PaddlePaddle/PaddleOCR/blob/develop/doc/doc_ch/models_list.md

这里我 下载的是infer 推理模型ch_ppocr_mobile_v1.1_xx, 下载完解压到PaddleOCR/inference 下,可以新建inference文件夹:

PaddleOCR 使用以及用自己的数据训练[通俗易懂]

每个文件夹下有两个文件:model 和params

官方快速开始的教程:https://github.com/PaddlePaddle/PaddleOCR/blob/develop/doc/doc_en/quickstart_en.md

可以使用如下命令等:

python3 tools/infer/predict_system.py --image_dir="./doc/imgs/11.jpg" --det_model_dir="./inference/ch_ppocr_mobile_v1.1_det_infer/"  --rec_model_dir="./inference/ch_ppocr_mobile_v1.1_rec_infer/" --cls_model_dir="./inference/ch_ppocr_mobile_v1.1_cls_infer/" --use_angle_cls=True --use_space_char=True

但我习惯在代码里跑:

参数模块在这 tools/infer/utility.py  需要更改的参数:

图片路径 –image_dir  = ./doc/imgs/3.jpg

检测模型路径--det_model_dir = ./inference/ch_ppocr_mobile_v1.1_det_infer
识别模型--rec_model_dir = ./inference/ch_ppocr_mobile_v1.1_rec_infer
字典--rec_char_dict_path = ./ppocr/utils/ppocr_keys_v1.txt  这个参数很重要,这个字典文字取决与你的模型是识别中文还是英文数字什么的,这个是中文字典,还有一个ic15_dict.txt 是英文和数字
分类模型--cls_model_dir = ./inference/ch_ppocr_mobile_v1.1_cls_infer
draw_ocr_box_txt 函数中 有个字体的路径  font_path= doc/simfang.ttf 
text_visual 函数中的字体路径也是 font_path= doc/simfang.ttf 

ok。 测试图片在doc/imgs下,测试结果输出在 doc/imgs_results  以及 ./inference_results 文件夹下:

PaddleOCR 使用以及用自己的数据训练[通俗易懂]

PaddleOCR 使用以及用自己的数据训练[通俗易懂]

PaddleOCR 使用以及用自己的数据训练[通俗易懂]

 

 

二。训练自己的数据 

检测部分

官方教程:https://github.com/PaddlePaddle/PaddleOCR/blob/develop/doc/doc_ch/detection.md

主要要注意的是标签的制作,要注意空格。还有每个预训练模型要对应自己的配置文件。

数据准备  训练数据包含以下内容(同一目录下):

train_data/text_localization/

–train_images文件夹下为自己要训练的图片

–test_images 文件夹为测试图片

–train_label.txt 为标签文件,通过官方标签转换工具得到。内容包括:训练图片的路径以及对应的文字内容和坐标信息train_data/gen_label.py

–test_label.txt  同上。标签内容如下:

PaddleOCR 使用以及用自己的数据训练[通俗易懂]

官方转换方法如下:

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"

其中–input_path=”ch4_training_localization_transcription_gt” 文件夹为每一张训练图片的数据标注的内容信息,每一个txt文件名对应一张图片名:

PaddleOCR 使用以及用自己的数据训练[通俗易懂]

txt文本内容:

其中###号表示的应该是负样本 就是没有文字。(不知道能不能这么说)

PaddleOCR 使用以及用自己的数据训练[通俗易懂]

关于数据标注:

paddleOCR官方前几天刚开源了文字标注工具PPOCRLabel,相当友好了。还可以自动标注。

PPOCRLabel工具就在paddleOCR项目下:https://github.com/PaddlePaddle/PaddleOCR/tree/develop/PPOCRLabel

标注工具不细说,比较简单。

 

官方提供了三个backbone预训练模型:

MobileNetV3、ResNet18_vd,ResNet50_vd

解压backbone预训练权重文件后,文件夹下包含众多以网络层命名的权重文件。一开始就很疑问为什么是这么个保存法,因为其它模型都是保存了三个文件,

就这几个检测预训练模型几乎每曾单独保存。后来在群里问题paddle的人应该是保存的api问题。而且这预训练模型也不知道怎么测试效果。。。只是一个backbone

 

数据和预训练模型都有了就可以训练了,就分这三种模型:

MobileNetV3_large_x0_5_pretrained:

train:

python3 tools/train.py -c configs/det/det_mv3_db_v1.1.yml -o Global.pretrain_weights=./pretrain_models/detect_pretrain_models/MobileNetV3_large_x0_5_pretrained/ 2>&1 | tee train_det.log

infer:

python3  tools/infer_det.py -c configs/det_mv3_db_v1.1.yml -o Global.infer_img=”./doc/imgs/3.jpg” Global.checkpoints=”./output/My_model_det_mv3_db_v1.1/best_accuracy”

 

ResNet18_vd_ssld_pretrained:

train:

python3 tools/train.py -c configs/det/det_r18_vd_db_v1.1.yml  -o Global.pretrain_weights=./pretrain_models/detect_pretrain_models/ResNet18_vd_pretrained/  2>&1 | tee train_det.log

infer:

python3  tools/infer_det.py -c configs/det/det_r18_vd_db_v1.1.yml -o Global.infer_img=”./doc/imgs/3.jpg” Global.checkpoints=”./output/my_det_r_18_vd_db/best_accuracy”

 

ResNet50_vd_ssld_pretrained:这个我还没训练过,因为模型比较大,电脑配置太烂跑不了。。。。

train:

python3 tools/train.py -c configs/det/det_r50_vd_db.yml  -o Global.pretrain_weights=./pretrain_models/detect_pretrain_models/my_ResNet50_vd/  2>&1 | tee train_det.log

infer:

python3  tools/infer_det.py -c configs/det/det_r50_vd_db..yml -o Global.infer_img=”./doc/imgs/3.jpg” Global.checkpoints=”./output/my_ResNet50_vd/best_accuracy”

 

其它的检测模型也可以试试,比如sast 就不介绍了:

python3 tools/infer_det.py -c configs/det/det_r50_vd_sast_icdar15.yml -o Global.infer_img="./doc/imgs_en/img623.jpg" Global.checkpoints="./pretrain_models/sast_r50_vd_icdar2015/best_accuracy

训练的时候,注意一开始是有warm up的,学习率是逐渐上升,之后的学习率在0.01好像:

PaddleOCR 使用以及用自己的数据训练[通俗易懂]

 

模型训练好后,转换模型为可部署文件:

python3 tools/export_model.py -c configs/det/det_r18_vd_db_v1.1.yml -o Global.checkpoints=”./output/my_det_r_18_vd_db/best_accuracy” Global.save_inference_dir=”./output/my_det_r_18_vd_db/expor_model”

save success:
 PaddleOCR 使用以及用自己的数据训练[通俗易懂]

得到转换后的两个文件:model , params。 等会结合识别模型一起使用。

PaddleOCR 使用以及用自己的数据训练[通俗易懂]

 

识别部分

官方教程:https://www.bookstack.cn/read/PaddleOCR/recognition.md

我用的通用数据,不是lmdb 格式。数据准备 ICDAR2015数据集 

下载地址:https://blog.csdn.net/weixin_45779880/article/details/105642393

选择4.3 word recognition 

下载下来后有train 和test 两份数据集以及各自的标签文件。

这里使用的是官方的标签文件:

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

预训练模型:

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

 训练配置:

训练文件tools/train.py

参数文件tools/program.py  

--config = ./configs/rec/rec_icdar15_train.yml
rec_icdar15_train.yml 中两个参数比较关键:
reader_yml 数据读取方式。数据集与标签路径
pretrain_weights预训练模型路径

还有image_shape: [3, 32, 100]   这个虽然是可以根据自己数据大小该,但h 必须是32的整数倍。crnn 中cnn会将图像缩放到 32×W×1 大小。

保存文件的路径 save_model_dir: ./output/my_rec_mv3_none_bilstm_ctc

其他参数 最大文本长度,文本类型(中英文),数据增强什么的都可以适当调整

我用的时候经常相对路径不能用,所以很多地方要改为绝对路径,到处找参数。

然后就可以:python train.py 运行程序:

PaddleOCR 使用以及用自己的数据训练[通俗易懂]

而且我要在cmd中运行才行,pycharm一运行系统就崩了。。。我崩了好几次不知道是什么原因,改了bs还是一样。

模型训练好后如下:

PaddleOCR 使用以及用自己的数据训练[通俗易懂]

然后进行训练模型的测试:注意测试图片用/doc/imgs_words_en 英文的文字图片,不是没经过裁剪的图片。

图片路径在:rec_icdar15_train.yml 中  infer_img, 也可以直接写上图片路径 。 checkpoints 路径也可以在这里写。

python tools/infer_rec.py  -c configs/rec/rec_mv3_none_bilstm_ctc.yml -o Global.checkpoints=./output/my_rec_mv3_none_bilstm_ctc/best_accuracy Global.infer_img=”./doc/imgs/3.jpg”

这个测试我的效果很差,因为我用的是轮胎的数据。还没找原因,先记录:

PaddleOCR 使用以及用自己的数据训练[通俗易懂]

接下来inference 测试。

inference 之前 要把训练的模型转换为推断模型:

python3 tools/export_model.py -c configs/rec/rec_icdar15_train.yml -o Global.checkpoints=”./output/my_rec_mv3_none_bilstm_ctc/best_accuracy”  Global.save_inference_dir=”./output/my_rec_mv3_none_bilstm_ctc/export_model”

得到:

PaddleOCR 使用以及用自己的数据训练[通俗易懂]

 

最终测试

按一的步骤试用官方模型那样,只要把识别文件夹中的模型换为自己训练的模型即可,角度模型不变,替换自己训练的检测和识别模型即可:

python3 tools/infer/predict_system.py --image_dir="./doc/imgs/11.jpg" \
--det_model_dir="./output/my_det_r_18_vd_db/expor_model/"  \
--rec_model_dir="./output/my_rec_mv3_none_bilstm_ctc/export_model/" \
--cls_model_dir="./inference/ch_ppocr_mobile_v1.1_cls_infer/" \
--use_angle_cls=True \
--use_space_char=True

最后检测和识别的结果保存在PaddleOCR/inference_results 文件夹,我的结果比较差就不展示了 哎!

PaddleOCR 使用以及用自己的数据训练[通俗易懂]

 

 

 

 

 

 

免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://yundeesoft.com/25612.html

(0)

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注

关注微信