项目背景
paddleOCR开源的权重识别的很好,但是不覆盖生僻字二级、三级字库,碰到个生僻字就翻车。研究一下发现paddleOCR提供了完整的训练和预测接口。
项目地址:https://github.com/PaddlePaddle/PaddleOCR
根据这个语焉不详的说明文档,我们开始训练起来吧~
说明文档:https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.3/doc/doc_ch/recognition.md
数据生成
数据集请根据上一篇的生字僻字库制作:https://blog.csdn.net/Andrwin/article/details/120162193
我的本地环境是UBuntu18.04 RTX2080(8G) 32GBRAM 256SSD 2THDD Paddle最新版
我把数据集生成在HDD里面,然后挂载软连接到项目目录
比如我的数据集文件夹在:
/media/nvidia/disk/
在这个文件夹里面
train_data/
rec/
test/
xxxxx.jpg
xxxxx.jpg
train/
xxxxx.jpg
xxxxx.jpg