参考API
https://github.com/PaddlePaddle/PaddleOCR/blob/dygraph/doc/doc_ch/detection.md
这里的损失理解可以了解一下DBnet
地址
测试图片方法
单独测试一张图片
绿色的路径根据自己的来
python tools/infer_det.py -c configs/det/det_mv3_db.yml
-o Global.infer_img="./doc/imgs_en/img_10.jpg"
Global.pretrained_model="./output/db_mv3/best_accuracy"
运行成功后
测试一组图片
python tools/infer_det.py -c configs/det/det_mv3_db.yml
-o Global.infer_img="./doc/imgs_en/"
Global.pretrained_model="./output/db_mv3/best_accuracy"
结果
转inference模型测试
检测模型转inference 模型方式:绿色的路径要注意
python tools/export_model.py -c ./configs/det/det_mv3_db.yml
-o Global.pretrained_model="./output/db_mv3/best_accuracy"
Global.save_inference_dir="./output/det_db_mv3_inference/"
运行成功界面
接下来就来测试一些图片吧
绿色的路径依然是重点!!!
python tools/infer/predict_det.py --det_algorithm="DB"
--det_model_dir="./output/det_db_mv3_inference/"
--image_dir="./doc/imgs/" --use_gpu=True
结果,还算不错
但是过过于倾斜的样本效果不是很好,需要调整参数重新训练