python实现场景识别_PyTorch实现了基于Transformer的场景文本识别(STR)新方法,

最新推荐文章于 2023-04-17 21:59:25 发布
VIP文章 最新推荐文章于 2023-04-17 21:59:25 发布
阅读量965 收藏
点赞数
文章标签： python实现场景识别
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_31998371/article/details/113979048
版权

Transformer-based Scene Text Recognition (Transformer-STR)

PyTorch implementation of my new method for Scene Text Recognition (STR) based on Transformer.

I adapted the four-stage STR framework devised by deep-text-recognition-benchmark, and replaced the Pred. stage with Transformer.

Equipped with Transformer, this method outperforms the best model of the aforementioned deep-text-recognition-benchmark by 7.6% on CUTE80.

Download pretrained weights from here

This pre-trained weights trained on Synthetic dataset for about 700K iters.

Git clone this repo and download the weights file, move it to checkpoints directory.

Download lmdb dataset for traininig and evaluation from here(provided by deep-text-recognition-benchmark)

data_lmdb_release.zip contains below.

training datasets : MJSynth (MJ)[1] and SynthText (ST)[2]

validation datasets : the union of the training set

最低0.47元/天 解锁文章
Simon阿文
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Transformer_STR:我的基于Transformer的场景文本识别新方法（STR）的PyTorch实现，配备了Transformer，在CUTE80上，该方法的最佳模型优于上述深层文本识别基准的7.6％
05-04
基于变压器的场景文本识别（Transformer-STR） 我的基于场景文本识别（STR）新方法的PyTorch实现。 我改编了由设计的四阶段STR框架，并替换了Pred. 变压器的舞台。 配备了Transformer，此方法在CUTE80上优于上述深层文本识别基准的最佳模型7.6％ 。 从下载预训练的砝码 该预训练权重在Synthetic数据集上进行了约700K次迭代训练。 Git克隆此仓库并下载权重文件，将其移至checkpoints目录。 从 下载lmdb数据集以进行训练和评估（由） data_lmdb_release.zip包含以下内容。 训练数据集： [1]和 [2] 验证数据集：训练集 [3]， [4]， [5]和 [6]的并集。 评估数据集：基准评估数据集，由 [5]， [6]， IC03 [7]， IC13 [3]， IC15 [4]， SVTP [8]和
python课程设计大作业-PyTorch实现图像识别基于卷积神经网络的识别方法RMB.zip
06-29
python课程设计大作业—PyTorch实现图像识别基于卷积神经网络的识别方法RMB。已获导师指导并通过的高分项目。 python课程设计大作业—PyTorch实现图像识别基于卷积神经网络的识别方法RMB。已获导师指导并通过的高分...
图像地点场景类型识别(PlaceCNN)实践
热门推荐
大数据挖掘SparkExpert的博客
04-20 2万+
　　从图像中判断图像场景所处的地点类型，是图像理解的一种常见任务。本质上场景类别标注数据足够的情况下，它可以属于图像分类的一种，因此直接利用现有成熟的网络架构如ResNet就可以实现较高精度的图像涉及场所的识别。　　本文实践采自：http://places2.csail.mit.edu/download.html       该数据集涵盖了365种图像场景，同时还提供了多种网络架构的预训练模型，主...
【Project】TensorRT部署推理的车牌识别
WeiY1的博客
09-18 830
基于 deep-text-recognition-benchmark 做的一个车牌检测的demo，并且部署到onnx和tensorrt推理。目前只做了这个模型的转换（推理速度快、模型小、准确率不低），后续会看情况更新其他模型。
Visual-Semantic Transformer for Scene Text Recognition论文解读及复现
weixin_45931455的博客
04-17 441
这篇文章就基于上面的这篇论文中结构设计进行阅读，并将其项目进行开源。
新建模块 pom.xml依赖无法识别_Pytorch场景文字识别工具箱
weixin_39823269的博客
11-27 92
【导读】Vedastr是一个基于Pytorch的开源场景文字识别工具箱。特性模块化设计我们将场景文本识别框架分解为不同的组件，并且可以通过组合不同的模块轻松构建定制的场景文本识别框架。灵活性Vedastr具有足够的灵活性，能够轻松更改模块中的组件。模块扩展性将新模块集成到vedastr项目中很容易。支持多种框架该工具箱支持几种流行的场景文本识别框架，例如CRNN，TPS-ResNet-...
Python库 | reformer_pytorch-0.6.1.tar.gz
03-10
python库。 资源全名：reformer_pytorch-0.6.1.tar.gz
Python库 | reformer_pytorch-0.11.4.tar.gz
03-10
python库。 资源全名：reformer_pytorch-0.11.4.tar.gz
Python库 | vector_quantize_pytorch-0.3.6.tar.gz
04-18
资源分类：Python库 所属语言：Python 资源全名：vector_quantize_pytorch-0.3.6.tar.gz 资源来源：官方 安装方法：https://lanzao.blog.csdn.net/article/details/101784059
PaddleOCR使用笔记-文字识别训练
快乐的小小程序猿
09-04 2208
PaddleOCR使用笔记 Linux环境下 文字识别训练 数据准备 在官网下载 icdar2015 数据，用于快速验证。 PaddleOCR 提供了一份用于训练 icdar2015 数据集的标签文件，通过以下方式下载： # 训练集标签 wget -P ./train_data/ic15_data https://paddleocr.bj.bcebos.com/dataset/rec_gt_train.txt # 测试集标签 wget -P ./train_data/ic15_data https:
PaddleOCR详解和识别图片中文字
创作不易，请多支持，将为本站提供更多「有价值的文章」。
06-19 1万+
目录一、介绍1、什么是OCR?2、 PaddleOCR 2.1 PP-OCR简介和特点 2.2 特点3、模型训练 3.1 文本检测 3.2 文本识别 3.1 文字方向分类 二、安装和使用1、安装2、python 识别图片文字光学字符识别（Optical Character Recognition, OCR），ORC是指对包含文本资料的图像文件进行分析识别处理，获取文字及版面信息的技术，检测图像中的文本资料，并且识别出文本的内容。那么有哪些应用场景呢？其实我们日常生活中处处都有ocr的影子，比
【OCR】场景文本识别(SCR)中各模块性能比较
chen1234520nnn的博客
08-14 1701
文章：What Is Wrong With Scene Text Recognition Model Comparisons? Dataset and Model Analysis.(一篇偏综述文章，对比了主流的一些方法) 0、摘要： 分析了现有论文提到的各个数据集的不一致性。 针对OCR识别提出了一个统一的框架，将模型分成4个连续的部分：矫正转换（Trans），特征提取（Feat），序列模块（Seq），预测（Pred）。 1、统一训练集与测试集 作者提到之前的论文中使用的数据集都不一致，不好评判对
EasyOCR 识别模型训练
无痕的博客
08-19 1万+
easyocr识别模型训练
10.7. Transformer
weixin_45063703的博客
10-11 3213
transformer的编码器和解码器是基于自注意力的模块叠加而成的，源（输入）序列和目标（输出）序列的嵌入（embedding）表示将加上位置编码（positional encoding），再分别输入到编码器和解码器中。值得注意的是，解码器的自注意力权重和“编码器－解码器”的注意力权重都有相同的查询：即以序列开始词元（beginning-of-sequence,BOS）打头，再与后续输出的词元共同组成序列。为了可视化解码器的自注意力权重和“编码器－解码器”的注意力权重，我们需要完成更多的数据操作工作。
基于ResNet和Transformer的场景文本识别
deephub
06-30 8664
对于自然场景的文字识别我们会遇到了许多不规则裁剪的图像，其中包含文本表示。虽然已经引入了许多复杂的想法来从图像中提取确切的文本。例如光学字符识别 (OCR)、基于 RNN 的 seq2seq 注意方法都是被认为是从结构图像中提取序列信息的传统方法，但许多研究人员发现，很难处理不规则图像和训练时间使他们更加昂贵。基于 RNN 的 seq2seq 注意力方法需要输入的序列表示，这些输入因输入而异，因此很难训练数百万张图像。大多数时间模型无法预测文本或字符，因为我们正在处理自然场景图像。 基本上，如果我们选择任何
【ViT】【ICLR 2021】用Transformer做大规模图像识别
youfromme的博客
04-18 5240
作者提出了Vision Transformer（ViT）模型，表明计算机视觉任务对于卷积神经网络的依赖是不必要的，可以利用一个基本的Transformer直接作用于一系列图像块，在图片分类任务中可以取得良好的效果。在大规模数据集上训练后，迁移到中小型数据集进行使用，Vision Transformer可以获得与最好的卷积神经网络相媲美的结果，同时需要的训练资源更少。
[深度学习][原创]常用ocr框架和技术总结
FL1623863129的博客
01-01 2100
常用传统的ocr技术： 1、水平投影垂直投影 2、模板匹配 3、查找轮廓findcontours 常用的文字检测框架： 1、DBNet 2、CTPN 3、EAST 常用的文字识别框架： CRNN deep-text-recognition-benchmark
deep-text-recognition-benchmark 项目训练data.mdb数据集，运行日志中，只显示训练了英文和数字
m0_47943986的博客
11-23 3055
EasyOCR训练模型问题处理
lmdb转换
叶子的博客
08-10 2303
一、LMDB 介绍：lmdb 数据库 LMDB 全称为 Lightning Memory-Mapped Database，就是非常快的内存映射型数据库，LMDB使用内存映射文件，可以提供更好的输入/输出性能，对于用于神经网络的大型数据集( 比如 ImageNet )，可以将其存储在 LMDB 中。 LMDB属于key-value数据库，而不是关系型数据库( 比如 MySQL )，LMDB提供 key-value 存储，其中每个键值对都是我们数据集中的一个样本。LMDB的主要作用是提供数据管理，可以将各种
python segmentation_models_pytorch 安装
最新发布
05-19
你可以通过以下命令使用 pip 安装 `segmentation_models_pytorch`： ``` pip install segmentation-models-pytorch ``` 如果你需要安装开发版，则可以使用以下命令： ``` pip install git+...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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