paddle ocr 训练 DBnet++ 与 DBnet模型

于 2024-08-01 08:04:45 发布
阅读量411 收藏 8
点赞数 4
分类专栏： 计算机视觉 文章标签： paddle ocr
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_38235865/article/details/140762304
版权

https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.7/doc/doc_ch/algorithm_det_db.md

数据

1.2 公开数据集
数据集名称 图片下载地址 PaddleOCR 标注下载地址
ICDAR 2015 https://rrc.cvc.uab.es/?ch=4&com=downloads
ctw1500 https://paddleocr.bj.bcebos.com/dataset/ctw1500.zip
total text https://paddleocr.bj.bcebos.com/dataset/total_text.tar
td tr https://paddleocr.bj.bcebos.com/dataset/TD_TR.tar

配置文件

在这里插入图片描述

dbnet++

下载预训练模型，使用ICDAR 2015 做数据集 hmean:0.53

python .\tools\eval.py -c .\configs\det\det_r50_db++_icdar15.yml

[2024/07/29 09:15:55] ppocr INFO: metric eval ***************
[2024/07/29 09:15:55] ppocr INFO: precision:0.6973886328725039
[2024/07/29 09:15:55] ppocr INFO: recall:0.4375903614457831
[2024/07/29 09:15:55] ppocr INFO: hmean:0.5377554042049155
[2024/07/29 09:15:55] ppocr INFO: fps:23.42441488031281

训练中

python .\tools\train.py -c .\configs\det\det_r50_db++_icdar15.yml

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
rtx 4090训练了大概2天，训练集1000张，验证集500张，差不多达到了 heam0.86理论标准

导出模型

python tools/export_model.py -c .\configs\det\det_r50_db++_icdar15.yml -o   Global.save_inference_dir=./inference/det_db++    Global.checkpoints=./output/det_r50_icdar15/best_accuracy

检测

 # python tools/infer_det.py -c configs/det/det_r50_db++_icdar15.yml   -o Global.checkpoints=./output/det_r50_icdar15/best_accuracy   Global.infer_img=./doc/imgs_en/img_12.jpg

检测和识别

python tools/infer/predict_system.py --image_dir="./doc/imgs_en/img_12.jpg" --det_model_dir="./inference/det_db++/" --det_algorithm="DB++" --rec_model_dir="./inference/openatom_rec_svtrv2_ch_infer"

在这里插入图片描述

img_10.jpg

在这里插入图片描述

效果不错

dbnet

det_r50_vd_db.yml
预训练模型做检测，hmean:0

训练过程：
hmean 0.53
在这里插入图片描述
hmean 0.64

在这里插入图片描述

在这里插入图片描述
hmean 0.68
在这里插入图片描述

hmean 0.70
在这里插入图片描述
hmean0.73
在这里插入图片描述

hmean 0.74
在这里插入图片描述
hmean0.81
在这里插入图片描述

dbnet算法
https://github.com/PaddlePaddle/PaddleOCR/issues/8117

在这里插入图片描述

飞锡2024
关注
  • 4
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
PaddleOCR 文字检测/文字块检测的模型训练过程，DBnet的前处理和后处理流程损失函数
q742971636的博客
03-16 3761
该方法返回一个包含增强后的关键点的 imgaug.KeypointsOnImage 对象，然后将这些点的坐标转换回原始多边形的形式，最后返回增强后的多边形。首先，通过调用 crop_area 函数计算出一个合适的裁剪区域，该函数会根据输入的 all_care_polys 参数（即所有不被标记为忽略的文本框）和裁剪区域的最小边长比例 min_crop_side_ratio，随机生成多个裁剪区域并返回其中包含至少一个文本框的那个区域。增强器对象首先被转换为确定性的，然后对输入图像进行增强，返回增强后的图像。
《深入浅出OCR》实战：基于DBNet的文字检测
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
10-20 1418
本篇导读：在上一章【《深入浅出OCR》第三章：OCR文字检测】，本人着重介绍文字检测算法的发展、分类及各自领域经典算法，为了进一步熟悉文字检测流程，本次作者将以基于DBNet的文字检测实战为例，全面对文字检测技术流程进行解读，方便学习者快速上手实战。
Python PaddleOCR OCR结构化识别的例子
02-07
Python PaddleOCR OCR结构化识别的例子 Python PaddleOCR 是由百度研发的一个开源的光学字符识别（Optical Character Recognition, OCR）工具包，它基于深度学习技术，设计用于解决各种场景下的文字检测与识别问题。该库具有以下特点： 1. 广泛适用性：PaddleOCR能够准确识别中文以及其他多种语言的文字，不仅适用于常规印刷体文本，还针对身份证、名片、发票、运单等特殊场景进行了优化，支持手写体识别。 2. 高性能模型：内置了多个预训练模型，包括文本检测（如DBNet、PanNet等）、文本识别（如CRNN、Rosetta等）模型，通过端到端的方式实现对图像中的文字区域定位以及文字内容的识别。 3. 简单易用：提供了简洁的API接口，用户无需深入了解深度学习细节，即可快速集成到自己的项目中。 4. 定制化服务：支持模型的训练和优化，用户可以根据自身需求对模型进行微调，提高特定领域的识别精度。 5. 跨平台兼容：可在多种操作系统环境下运行，支持Windows、Linux、MacOS等。 在使用PaddleOCR时，用户首先需要安
paddle ocr 文字识别模型训练 svtr
最新发布
every place is the center of the universe
07-27 1074
○ 包含汉字、英文字母、数字和标点共5990个字符（字符集合：https://github.com/YCG09/chinese_ocr/blob/master/train/char_std_5990.txt ）参考：https://github.com/PaddlePaddle/PaddleOCR/blob/main/doc/doc_ch/dataset/datasets.md。训练后参数分布会变，所以预测的图片与训练的图片分布相似时，准确率会更高。如果用预训练模型预测，准确度只有68%
基于PaddleOCR的DBNet多分类文本检测网络
热门推荐
YY007H的博客
04-29 1万+
之前一直思考如果DBnet文本检测网络能够加入多分类的话，就可以实现模型很小又能够区分类别的功能，在端侧部署的话就能达到非常高的精度和效率。在参考了大佬的pytorch版的DBnet多分类功能，在此实现Paddle版的DBnet多分类文本检测网络。......
基于PaddleOCR的DBNet神经网络实现全网最快最准的身份证识别
YY007H的博客
05-05 7013
全网的身份证识别大部分都是通过识别整张图片，然后再对数据进行格式化解析，这会照成很大的局限性，比如非摆正图片，图片上有其他干扰信息，这就会导致通过此方式来识别大大降低了准确率和不确定性。这篇文章将会通过专业性角度来讲解如何更好的进行相关卡证的识别。......
paddle框架下的DBNET算法原理，详细解释一下
weixin_42612804的博客
02-14 384
DB-Net是一种基于PaddlePaddle框架的图像语义分割算法，主要用于二分类和多分类任务。 该算法的主要思想是利用一个卷积神经网络(CNN)来提取图像的特征，然后利用这些特征进行分类。DB-Net算法使用多个不同的卷积层来学习图像的不同级别特征，并利用上采样和下采样来调整特征图的大小，从而适应不同尺寸的输入图像。 在DB-Net算法中，还使用了空洞卷积(Dilated Convolutio...
DBNet实战：详解DBNet训练与测试（pytorch），砥砺前行
2401_84024576的博客
04-04 1033
网络结构首先，图像输入特征提取主干，提取特征；其次，特征金字塔上采样到相同的尺寸，并进行特征级联得到特征F；然后，特征F用于预测概率图（probability map P）和阈值图(threshold map T)最后，通过P和F计算近似二值图（approximate binary map B）在训练期间对P，T，B进行监督训练，P和B是用的相同的监督信号(label)。在推理时，只需要P或B就可以得到文本框。网络输出：1、probability map, wh1 , 代表像素点是文本的概率。
67、C#调用Visual Studio 2019生成的Paddle+OCR(使用ncnn库),去完成业务任务
sxj731533730
06-13 1478
然后，双击Shift，在弹出的搜索栏中，输入“Registry”，点击“Registry…”进入软件注册表界面，去掉“run.processes.with.pty”中默认的对勾，即不要选中该项。基本思想：这里使用飞哥写的android代码，将其取出纯c++代码逻辑，自己尝试转了paddle+ocr模型，可以成功转换，不在详细阐述生成ncnn模型的过程和写后处理ocr识别过程。一、在window10+ncnn+clion+mingw32测试结果，对源代码进行稍微修改，不在此放出来了，只贴目录和识别结果。
Paddle入门实战系列（一）：车牌检测与识别
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
11-15 2413
本项目为Paddle入门实战系列---基于Paddleocr完成深度学习车牌识别，项目可分为车牌检测与车牌识别两部分，主要流程为数据预处理、模型训练、导出推理模型、测试。
DBNet实战：详解DBNet训练与测试（pytorch）
04-01
论文连接：https://arxiv.org/pdf/1911.08947.pdf github链接：github.com 网络结构 首先，图像输入特征提取主干，提取特征； 其次，特征金字塔上采样到相同的尺寸，并进行特征级联得到特征F； 然后，特征F用于预测概率图（probability map P）和阈值图(threshold map T) 最后，通过P和F计算近似二值图（approximate binary map B） 在训练期间对P，T，B进行监督训练，P和B是用的相同的监督信号(label)。在推理时，只需要P或B就可以得到文本框。 网络输出： 1、probability map, wh1 , 代表像素点是文本的概率 2、threshhold map, wh1, 每个像素点的阈值 3、binary map, wh1, 由1,2计算得到，计算公式为DB公式 文章链接：https://wanghao.blog.csdn.net/article/details/123904386
DBnet-lite.pytorch:具有差分二值化的实时场景文本检测的pytorch重新实现
04-30
| 简体中文 DBNet-lite-pytorch 这个项目之后会在这里更新,我把之前的项目都做了下整合 环境配置 pip install -r requirement.txt cd models/dcn/ sh make.sh 水平或倾斜文本格式 照着icdar2015的格式, x1,y1,x2,y2,x3,y3,x4,y4,label, image │ 1.jpg │ 2.jpg │ ... label │ gt_1.txt │ gt_2.txt | ... 弧形文本的格式 数据格式, x1,y1,x2,y2,x3,y3,x4,y4 ...xn,yn,label n个点组成，n的个数可以不定 image │ 1.jpg │ 2.jpg │ ... label │ gt_1.txt │ gt_2.txt | ... 训练部分 在根目录的
PaddleOCR字符检测中对DBNet的优化论文解读（原创）（PP-OCR: A Practical Ultra Lightweight OCR System）
记录图像处理中遇到的点点滴滴
07-17 844
paddleocr检测以DBnet为主，并对其进行了一系列优化，并且提供了部署相关的优化，这里列举了部分论文描述的内容，实际代码目前要更加丰富，后续在应用中会不断补充，这里先开一个头
3.基于分割的文本检测算法--DBNet++
机器人视觉感知
02-22 1682
计算过程如上图所示，值的注意的是空间注意力机制的使用，先是对每个通道取均值得到特征图每个像素位置上的重要性，再将其加到原输入特征图上，增强每个位置的特征值，再通过卷积输出通道为N个的注意力权重，使得输出的权重能衡量每个尺度特征图的重要性。中的主要创新是自适应多尺度特征融合(Adapptive Scale Fusion，ASF)模块的提出。来实现，这样做并没有考虑不同尺度特征图的重要性是不一样的。图中对一个特征图的shape描述进行了修改，原论文图中存在特征图shape从。上输出的特征图的处理上，
【STD文本检测项目】之 DBNet++（一）用MMOCR在自己的数据集上训练进行文本检测
ailaier的专栏
06-23 3491
STD的定义，来自chatGPTScene Text Detection（场景文本检测）：也被称为文本定位。它是指从自然场景图像中自动检测和定位出存在的文本区域。场景文本检测的目标是找到图像中包含文本的矩形边界框，以便后续的文字识别或其他文本分析任务。一般是作为STR（Scene Text Recogition 场景文本识别）的上游任务，STD负责把图中的文本区域圈出来，STR负责识别圈出来的文本内容。STD有很多开源项目，可以参考。
文本检测之DBNet，DBNet++
年轻即出发，
09-29 1万+
一个负责预测概率图（probability map，(w/4)*(h/4)*1），代销为，另一个负责预测阈值图（threshold map，(w/4)*(h/4)*1）。概率图经过阈值图处理，进行二值化后得到二值图（approximate binary map，(w/4)*(h/4)*1）。然后计算图内每个像素离最近的边（蓝色边，绿色边）的归一化距离，形成最终的阈值图。两者在效果上是一样的。为了保证整个优化过程有梯度的传递，这里又将概率图和阈值图的差传入sigmoid函数，以此来保证梯度的传递。
DBNet++学习笔记
爱学习爱运动的专栏
09-21 2469
DBNet++学习笔记
DBNet++（TPAMI） 原理与代码解析
00000cj的博客
03-06 2056
本文是对DBNet的改进，关于DBNet的介绍具体可见场景文本检测算法 可微分二值化DBNet原理与代码解析，本文新提出了一种自适应尺度融合模块Adaptive Scale Fusion（ASF）module来自适应地融合多尺度的特征，将ASF应用于分割网络，显著地增强了其检测不同尺度文本实例的能力。
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