PaddleOCR 手写识别模型:标注到训练

本文记录一下自己标注的数据，到训练后模型转换的流程；本文只训练识别模型。

版本数据

Python == 3.8
Paddlepaddle >=2.0
PaddleOCR >= 2.0

这里数据使用的是中科院手写数据集及网上开数据；整合后处理尺寸最大为640*32；训练24w，测试1.7w；可直接用于paddleOCR的训练。

数据下载链接：
https://aistudio.baidu.com/aistudio/datasetdetail/102884

流程

1. 首先使用PPOCRLabel工具标注。
2. 数据合成工具Style-Text（看需求使用）。
3. 编写脚本变更训练所需要的数据格式。
4. 修改训练cfg，下载预训练模型，开始训练。
5. 模型转换，推理测试。

标注

• 这里需要先安装PyQt5等其他依赖项

cd ./PPOCRLabel
python PPOCRLabel.py --lang ch

• 标注后会在图片路径下保存一个label.txt,格式如图：

• 实际train.txt需要将以上格式转化为SimpleDataSet格式(并且对应需要将图片切出 320*32 大小):
• 注意路径与标签的分隔需要使用 \t 分割

• 最终目录格式如下

训练

1. 下载预训练模型
2. 修改配置文件cfg，附：配置文件参数表
3. 主要修改数据路径，添加预训练模型，epoch，batch等
4. 所有路径的 ‘：’ 后面需要先加一个空格，否则会报错。
5. 开始训练：

python tools/train.py -c ./configs/rec/ch_ppocr_v2.0/rec_chinese_lite_train_v2.0.yml 2>&1 | tee train_rec.log

转换

• 训练好的模型文件不能直接使用，需要经过转换

python ./tools/export_model.py 
-c ./configs/rec/ch_ppocr_v2.0/rec_chinese_lite_train_v2.0.yml 
-o Global.pretrained_model=./ch/best_accuracy 
Global.load_static_weights=False 
Global.save_inference_dir=./out/

推理

python tools/infer/predict_system.py --image_dir="./doc/imgs/11.jpg" --det_model_dir="./inference/ch_ppocr_mobile_v2.0_det_infer/"  --rec_model_dir="./inference/ch_ppocr_mobile_v2.0_rec_infer/" --cls_model_dir="./inference/ch_ppocr_mobile_v2.0_cls_infer/" --use_angle_cls=True --use_space_char=True

我这里训练的手写体数据，原来的打印体精度变差很多。。。

遇到报错

1. win10下报错 OMP: Error****************** ；需在代码前加上一下代码：

import os
os.environ['KMP_DUPLICATE_LIB_OK'] = 'TRUE'

2. 配置文件下，所有路径的 ‘：’ 后面需要先加一个空格，否则会报错。

参考

https://github.com/PaddlePaddle/PaddleOCR
http://www.nlpr.ia.ac.cn/databases/handwriting/Download.html