识别.md

文字识别

数据准备

PytorchOCR的识别模块支持TextLine 和 LMDB 形式的数据格式

• 构造数据集

  • TextLine

  训练集和验证集的格式一致，准备一个txt文件，里面每一行记录了图片路径和对应的标注，使用\t作为分隔符 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

  • LMDB

  准备好 TextLine 的txt文件之后，使用 转换工具 可以生成 LMDB 格式的数据集

我们也提供准备好一批转换好的训练数据，具体请参考 https://github.com/WenmuZhou/OCR_DataSet

• 字典 数据集准备完成之后，需要提前准备好一个包含训练验证集里全部字符的字典，应为如下格式，utf8编码保存

0
1
2
3
4
5

启动训练

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

1. 下载预训练模型(待提供)

2. 拷贝config/rec_train_config.py 为自己的配置文件，LMDB 数据集使用 config/rec_train_lmdb_config.py

3. 修改配置文件

   • 必须修改的字段说明
   1. config.dataset.alphabet: 字典文件
   2. config.dataset.train.dataset.file: 训练集txt文件 or LMDB 数据集路径
   3. config.dataset.eval.dataset.file: 验证集集txt文件 or LMDB 数据集路径
   4. config.model.head.n_class: 分类字符数+背景
   • 可选修改字段说明
   1. 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/rec_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acc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/rec_infer.py --model_path '' --img_path ''