最近要做一个ocr识别的项目,首先需要做文本检测,最后使用advanceast算法训练自己的数据集,得到较好的检测效果,最终检测效果如下(检测图片中的船名):
感谢大佬开源代码和训练方式:https://github.com/huoyijie/AdvancedEAST
环境:ubuntu16.04,tf-gpu1.14,keras2.3.1
一:advanceeast训练时,将标记后的xml文件转成模型使用的txt文件。(xml_txt.py)
#将标记后的xml文件转为advanceeast训练的格式
import os
import xml.etree.ElementTree as ET
import shutil
import glob
import time
path="/home/workstation/AdvancedEAST/icpr/ship_xml"
file=os.listdir(path)
file=glob.glob(path+"/*.xml")
n=0
for filename in file:
#start=time.time()
first=os.path.splitext(filename)[0]
last=os.path.splitext(filename)[1]
if last==".xml":
#print(first,last)
next=first.split("/")
name=next[-1]+".xml"
n=n+1
print("正在处理第{}个xml文件,名称为{}".format(n,name))
filetxt=first+".txt"
f=open(filetxt,'w')
aa=[]
tree=ET.parse(filename)
root=tree.getroot()
for tt in root.iter("object"):
lefttopx=tt.find("bndbox")[0].text
lefttopy=tt.find("bndbox")[1].text
righttopx=tt.find("bndbox")[2].text
righttopy = tt.find("bndbox")[1].text
rightdownx = tt.find("bndbox")[2].text
rightdowny = tt.find("bndbox")[3].text
leftdownx = tt.find("bndbox")[0].text
leftdowny = tt.find("bndbox")[3].text
tb=tt.find("name").text
aa=list([lefttopx,lefttopy,righttopx,righttopy,rightdownx,rightdowny,leftdownx,leftdowny,tb])
bb=",".join(aa)
f.writelines(bb)
f.writelines("\n")
else:
continue
二:文件夹中有各种图片和xml文件,其中,含有标记过的图片和对应的xml文件,和没标记的图片。将文件夹中标记过的图片提取出来。(extract.py)
#提取文件夹中标记过的图片
import os
import shutil
path="/home/terryn/deep_learning/ocr/AdvancedEAST/icpr/GaoGang201706"
topath="/home/terryn/deep_learning/ocr/AdvancedEAST/icpr/ship_img"
filelist=os.listdir(path)
aa=[]
for file in filelist:
first=os.path.splitext(file)[0]
last=os.path.splitext(file)[1]
if last==".xml":
aa.append(first)
n=0
for file in filelist:
first=os.path.splitext(file)[0]
last=os.path.splitext(file)[1]
if first in aa and last==".jpg":
tpath=os.path.join(path,file)
shutil.move(tpath,topath)
print("正在处理第{}张图片".format(n))
n=n+1
#print(tpath)
三:判断图片文件夹里的图片名称和txt文件夹下的txt文件名称是否一一对应。(difference.py)
import os
path1="/home/terryn/deep_learning/ocr/AdvancedEAST/icpr/ship_img"
path2="/home/terryn/deep_learning/ocr/AdvancedEAST/icpr/ship_txt"
list1=[]
list2=[]
aa=[]
bb=[]
file1=os.listdir(path1)
file2=os.listdir(path2)
for filename1 in file1:
first,last=os.path.splitext(filename1)
list1.append(first)
for filename2 in file2:
first,last=os.path.splitext(filename2)
list2.append(first)
for _ in list2:
if _ not in list1:
aa.append(_)
for _ in list1:
if _ not in list2:
bb.append(_)
print(bb)
print(len(aa))
print(len(bb))
四:训练步骤:
根据训练集的图片尺寸,选择图片的训练尺寸范围,在cfg.py的19,20行。假设多尺度训练范围为[256,384,512,640,736]。该模型训练不是一步完成,而是按尺度由小到大完成,首先训练256尺度时,由于是第一次训练,cfg.load_weight设为false,在advanced_east.py的第21,22行不加载之前的模型,选择保存模型到model/下,保存所有模型,选择一个val_loss最小的模型,作为下一个尺度384模型的预训练模型,复制到saved_model下,并改名为east_model_weight_3T384.h5,同时,让训练时加载到,设置cfg.load_weight=True,以此类推,继续训练。
五:移动文件夹下的指定图片或文件
如将image_xml文件夹下以.jpg结尾的文件移动到ship_img文件夹下:
find image_xml -name '*.jpg' -exec mv {} ship_img \;