detection.md 4.96 KB
Newer Older
1
2
# 文字检测

LDOUBLEV's avatar
LDOUBLEV committed
3
本节以icdar15数据集为例,介绍PaddleOCR中检测模型的训练、评估与测试。
4

LDOUBLEV's avatar
LDOUBLEV committed
5
## 数据准备
6
7
icdar2015数据集可以从[官网](https://rrc.cvc.uab.es/?ch=4&com=downloads)下载到,首次下载需注册。

tink2123's avatar
fix doc  
tink2123 committed
8
将下载到的数据集解压到工作目录下,假设解压在 PaddleOCR/train_data/ 下。另外,PaddleOCR将零散的标注文件整理成单独的标注文件
9
10
,您可以通过wget的方式进行下载。
```
tink2123's avatar
fix doc  
tink2123 committed
11
12
13
14
# 在PaddleOCR路径下
cd PaddleOCR/
wget -P ./train_data/  https://paddleocr.bj.bcebos.com/dataset/train_icdar2015_label.txt
wget -P ./train_data/  https://paddleocr.bj.bcebos.com/dataset/test_icdar2015_label.txt
15
16
```

tink2123's avatar
fix doc  
tink2123 committed
17
解压数据集和下载标注文件后,PaddleOCR/train_data/ 有两个文件夹和两个文件,分别是:
18
```
tink2123's avatar
tink2123 committed
19
/PaddleOCR/train_data/icdar2015/text_localization/
20
21
22
23
24
25
26
27
28
29
30
  └─ icdar_c4_train_imgs/         icdar数据集的训练数据
  └─ ch4_test_images/             icdar数据集的测试数据
  └─ train_icdar2015_label.txt    icdar数据集的训练标注
  └─ test_icdar2015_label.txt     icdar数据集的测试标注
```

提供的标注文件格式为:
```
" 图像文件名                    json.dumps编码的图像标注信息"
ch4_test_images/img_61.jpg    [{"transcription": "MASA", "points": [[310, 104], [416, 141], [418, 216], [312, 179]], ...}]
```
tink2123's avatar
fix doc  
tink2123 committed
31
32
json.dumps编码前的图像标注信息是包含多个字典的list,字典中的 `points` 表示文本框的四个点的坐标(x, y),从左上角的点开始顺时针排列。
`transcription` 表示当前文本框的文字,在文本检测任务中并不需要这个信息。
LDOUBLEV's avatar
LDOUBLEV committed
33
如果您想在其他数据集上训练PaddleOCR,可以按照上述形式构建标注文件。
34
35


LDOUBLEV's avatar
LDOUBLEV committed
36
## 快速启动训练
37

LDOUBLEV's avatar
LDOUBLEV committed
38
39
首先下载pretrain model,PaddleOCR的检测模型目前支持两种backbone,分别是MobileNetV3、ResNet50_vd,
您可以根据需求使用[PaddleClas](https://github.com/PaddlePaddle/PaddleClas/tree/master/ppcls/modeling/architectures)中的模型更换backbone。
40
```
LDOUBLEV's avatar
LDOUBLEV committed
41
cd PaddleOCR/
42
# 下载MobileNetV3的预训练模型
tink2123's avatar
fix doc  
tink2123 committed
43
wget -P ./pretrain_models/ https://paddle-imagenet-models-name.bj.bcebos.com/MobileNetV3_large_x0_5_pretrained.tar
44
# 下载ResNet50的预训练模型
tink2123's avatar
fix doc  
tink2123 committed
45
wget -P ./pretrain_models/ https://paddle-imagenet-models-name.bj.bcebos.com/ResNet50_vd_ssld_pretrained.tar
46
47
48
49
50
51
52
53
54
55
56
57

# 解压预训练模型文件,以MobileNetV3为例
tar xf ./pretrain_models/MobileNetV3_large_x0_5_pretrained.tar ./pretrain_models/

# 注:正确解压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,格式如下:
./pretrain_models/MobileNetV3_large_x0_5_pretrained/
  └─ conv_last_bn_mean
  └─ conv_last_bn_offset
  └─ conv_last_bn_scale
  └─ conv_last_bn_variance
  └─ ......

58
59
60
```

**启动训练**
tink2123's avatar
tink2123 committed
61
62
63

*如果您安装的是cpu版本,请将配置文件中的 `use_gpu` 字段修改为false*

64
```
tink2123's avatar
tink2123 committed
65
python3 tools/train.py -c configs/det/det_mv3_db.yml
66
67
68
```

上述指令中,通过-c 选择训练使用configs/det/det_db_mv3.yml配置文件。
LDOUBLEV's avatar
LDOUBLEV committed
69
有关配置文件的详细解释,请参考[链接](./config.md)
70
71
72

您也可以通过-o参数在不需要修改yml文件的情况下,改变训练的参数,比如,调整训练的学习率为0.0001
```
tink2123's avatar
tink2123 committed
73
python3 tools/train.py -c configs/det/det_mv3_db.yml -o Optimizer.base_lr=0.0001
74
75
```

LDOUBLEV's avatar
LDOUBLEV committed
76
## 指标评估
77
78
79
80
81

PaddleOCR计算三个OCR检测相关的指标,分别是:Precision、Recall、Hmean。

运行如下代码,根据配置文件det_db_mv3.yml中save_res_path指定的测试集检测结果文件,计算评估指标。

LDOUBLEV's avatar
fix doc  
LDOUBLEV committed
82
评估时设置后处理参数box_thresh=0.6,unclip_ratio=1.5,使用不同数据集、不同模型训练,可调整这两个参数进行优化
83
```
LDOUBLEV's avatar
fix doc  
LDOUBLEV committed
84
python3 tools/eval.py -c configs/det/det_mv3_db.yml  -o Global.checkpoints="{path/to/weights}/best_accuracy" PostProcess.box_thresh=0.6 PostProcess.unclip_ratio=1.5
85
```
LDOUBLEV's avatar
LDOUBLEV committed
86
87
88
89
训练中模型参数默认保存在Global.save_model_dir目录下。在评估指标时,需要设置Global.checkpoints指向保存的参数文件。

比如:
```
LDOUBLEV's avatar
fix doc  
LDOUBLEV committed
90
python3 tools/eval.py -c configs/det/det_mv3_db.yml  -o Global.checkpoints="./output/det_db/best_accuracy" PostProcess.box_thresh=0.6 PostProcess.unclip_ratio=1.5
LDOUBLEV's avatar
LDOUBLEV committed
91
92
```

93
* 注:box_thresh、unclip_ratio是DB后处理所需要的参数,在评估EAST模型时不需要设置
94

LDOUBLEV's avatar
LDOUBLEV committed
95
## 测试检测效果
LDOUBLEV's avatar
LDOUBLEV committed
96
97
98

测试单张图像的检测效果
```
99
python3 tools/infer_det.py -c configs/det/det_mv3_db.yml -o TestReader.infer_img="./doc/imgs_en/img_10.jpg" Global.checkpoints="./output/det_db/best_accuracy"
LDOUBLEV's avatar
LDOUBLEV committed
100
101
```

102
103
104
105
106
107
测试DB模型时,调整后处理阈值,
```
python3 tools/infer_det.py -c configs/det/det_mv3_db.yml -o TestReader.infer_img="./doc/imgs_en/img_10.jpg" Global.checkpoints="./output/det_db/best_accuracy" PostProcess.box_thresh=0.6 PostProcess.unclip_ratio=1.5
```


LDOUBLEV's avatar
LDOUBLEV committed
108
109
测试文件夹下所有图像的检测效果
```
110
python3 tools/infer_det.py -c configs/det/det_mv3_db.yml -o TestReader.infer_img="./doc/imgs_en/" Global.checkpoints="./output/det_db/best_accuracy"
LDOUBLEV's avatar
LDOUBLEV committed
111
```