PaddleOCR训练自己模型(2)----参数配置及训练

本文详细介绍了如何使用PaddleOCR进行文字定位(Det)和文字识别(Rec)模型的预训练及定制化训练,包括下载预训练模型、创建文件夹、配置模型参数和运行train.py进行训练。
摘要由CSDN通过智能技术生成

一、介绍

paddleocr分为文字定位(Det)和文字识别(Rec)两个部分

二、定位模型训练

(1)Det预训练模型下载:https://paddleocr.bj.bcebos.com/PP-OCRv4/chinese/ch_PP-OCRv4_det_train.tar

(2)下载完之后,在PaddleOCR根目录下创建pretrain_models文件夹,将解压的模型文件夹放入

(3)配置模型文件参数:

打开模型配置文件,选用ch_PP-OCRv4_det_student.yml(图片用错了, 自行更换

(4)修改配置参数信息:

(5)打开tool目录下的train.py文件,编辑train.py的配置参数,配置好之后就可以运行train.py进行训练了。

-c ../configs/det/ch_PP-OCRv4/ch_PP-OCRv4_det_student.yml

三、文字识别模型训练

(1)Rec预训练模型:

https://paddleocr.bj.bcebos.com/PP-OCRv4/chinese/ch_PP-OCRv4_rec_train.tar

(2)下载完之后,在PaddleOCR根目录下创建pretrain_models文件夹,将解压的模型文件夹放入

(3)配置模型文件参数:

(4)修改配置参数信息:跟训练定位差不多, 把训练集和验证集的路径改一下就好了

(5)打开train.py, 修改配置参数, 然后运行train.py:

-c ../configs/rec/PP-OCRv4/ch_PP-OCRv4_rec.yml

  • 10
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
训练PaddleOCR中文模型,您可以按照以下步骤进行操作: 1. 首先,您需要下载预训练模型,可以从PaddleOCR官方网站或GitHub上获取。预训练模型可以提供一定的基础识别能力,有助于加速训练过程。您可以下载中文场景文字识别技术创新大赛数据集上的预训练模型。 2. 解压下载的预训练模型文件,并确保模型参数文件正确地存放在PaddleOCR的pretrain_models目录下。 3. 准备训练数据。对于中文模型,您可以使用中文场景文字识别技术创新大赛数据集作为训练数据。该数据集包含了丰富的中文场景文字图像,可用于训练模型。 4. 运行训练脚本。在PaddleOCR中,您可以使用train.py脚本进行模型训练。您需要指定训练数据集的路径、模型类型以及其他相关参数。通过运行该脚本,您可以开始训练中文模型。 5. 等待训练完成。训练的时间会根据您的硬件配置和数据集大小而有所不同。在训练过程中,模型会根据训练数据进行参数更新和优化,逐渐提升识别准确率。 6. 评估模型性能。在训练完成后,您可以使用验证集或测试集对模型进行评估,了解其在未见过的数据上的准确率和性能表现。 7. 进行模型预测。一旦训练完成并通过评估,您可以使用训练好的模型进行中文文字识别的预测。通过加载模型参数和输入待识别的图像,您可以获取模型对图像中文字的识别结果。 总结起来,要训练PaddleOCR中文模型,您需要下载预训练模型、准备训练数据、运行训练脚本、等待训练完成、评估模型性能,并最终进行模型预测。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [PaddleOCR文字识别模型训练](https://blog.csdn.net/BurningSilence/article/details/110468658)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值