PytorchOCR/doc/检测.md

文字检测

数据准备

PytorchOCR的检测模块只支持JsonDataset 形式的数据格式

• 构造数据集 JsonDataset 使用 json 格式来存储标注信息，具体格式为

  "data_root": "存放图片文件的目录",
  "data_list": [
        {
          "img_name": "relative/path/xxx.jpg",# 图片相对于 data_root 的相对路径
          "annotations": [ # 当前图片的所有标注
              "polygon": [[x1,y1],[x2,y2],...,[xn,yn]], # 文本框的多点标注
              "text": "label", # 文本框内容
              "illegibility":false, # 是否模糊
              "language":"Latin", # 文本语言类型
              "chars": [  # 当前文本框的字符集标注，标注含义同上
                    "polygon": [[x1,y1],[x2,y2],...,[xn,yn]],
                    "char": "c",
                    "illegibility": false,
                    "language":"Latin"
              ]
           ]
        } 
    ]
  

  我们提供了 转换工具 以方便开发者将现有的公开数据集进行转换

  除此之外，我们也为你准备了一批准换好的公开数据集，具体请参考 https://github.com/WenmuZhou/OCR_DataSet

启动训练

PytorchOCR提供了训练脚本和预测脚本，本节将以 DB 检测模型为例，按照如下步骤启动训练：

1. 从百度网盘pytorchocr/det/imagenet下载预训练模型并放于PytorchOCR/weights目录下
2. 拷贝config/det_train_db_config.py 为自己的配置文件

3. 修改配置文件

   • 必须修改的字段说明

     1. config.dataset.train.dataset.file: 训练集json文件路径
     2. config.dataset.eval.dataset.file: 验证集集json文件路径
        

   • 可选修改字段说明

   • config.train_options.checkpoint_save_dir: 模型和日志文件保存地址

   其他字段可根据需要修改

4. 通过如下命令启动训练

   CUDA_VISIBLE_DEVICES=0 python3 tools/det_train.py --config '你的配置文件路径'
   

PytorchOCR支持训练和评估交替进行, 可以在 config.train_options中修改 val_interval 设置评估频率， 评估过程中默认将最佳hmean模型，保存为 best.pth。

恢复训练

只需修改 config.train_options.resume_from 为模型地址，即可从该模型断掉的地方继续训练

预测

通过以下命令启动预测

CUDA_VISIBLE_DEVICES=0 python3 tools/det_infer.py --model_path '' --img_path ''