基于PaddleOCR解决文本检测训练模型与inference模型预测效果不一致的问题更简单的解决方法

最新推荐文章于 2024-04-29 17:55:25 发布
最新推荐文章于 2024-04-29 17:55:25 发布
阅读量406 收藏 3
点赞数
文章标签： python paddle
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_44658318/article/details/127748209
版权

解决方法

在模型预测时加入参数–det_limit_type=“resize_long”

这样在不需要修改代码也可以解决该问题.

weixin_44658318
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
PaddleOCR 自制模型训练
Rey的技术博客
09-19 2035
拿文字识别场景举例：文字识别也是图像领域一个常见问题。然而，对于自然场景图像，首先要定位图像中的文字位置，然后才能进行识别。文字检测：解决的问题是哪里有文字，文字的范围有多少文字识别：对定位好的文字区域进行识别，主要解决的问题是每个文字是什么，将图像中的文字区域进转化为字符信息。
C#+PaddleOCRSharp 实现深度学习识别字符
07-21
 PaddleOCRSharp是基于PaddleOCR的C++代码修改并封装的.NET工具类库，支持文本识别、文本检测、基于文本检测结果的统计分析的表格识别功能。
PaddleOCR安装并用GPU训练自己的数据
weixin_44681868的博客
10-26 4131
[paddleocr] PaddleOCR + windows 安装并使用GPU训练自己的数据。
PaddleOCR训练属于自己的模型详细教程（从打标，制作数据集，训练到应用，以行驶证识别为例）
热门推荐
qq_52852432的博客
07-25 3万+
PaddleOCR是一个基于飞桨开发的OCR（Optical Character Recognition，光学字符识别）系统。其技术体系包括文字检测、文字识别、文本方向检测和图像处理等模块。以下是其优点：高精度：PaddleOCR采用深度学习算法进行训练，可以在不同场景下实现高精度的文字检测和文字识别。
python 推理引擎_预测部署 - 基于Python预测引擎推理 - 《PaddleOCR 使用教程》 - 书栈网 · BookStack...
weixin_39880318的博客
12-09 694
基于Python预测引擎推理inference 模型(fluid.io.save_inference_model保存的模型)一般是模型训练完成后保存的固化模型，多用于预测部署。训练过程中保存的模型是checkpoints模型，保存的是模型的参数，多用于恢复训练等。与checkpoints模型相比，inference 模型会额外保存模型的结构信息，在预测部署、加速推理上性能优越，灵活方便，适合与实际...
基于PaddleOCR解决文本检测训练模型与inference模型预测效果不一致的问题
YY007H的博客
07-13 2786
此类问题出现较多，问题多是trained model预测时候的预处理、后处理参数和inference model预测的时候的预处理、后处理参数不一致导致的。
PaddleOCR的.Net版项目 PaddleOCRSharp
m0_63642362的博客
04-22 3293
转自AI Studio，原文链接：PaddleOCR的.Net版项目 PaddleOCRSharp - 飞桨AI Studio 一、介绍 本项目是一个基于PaddleOCR的C++代码修改并封装的.NET的工具类库。包含文本识别、文本检测、基于文本检测结果的统计分析的表格识别功能，同时针对小图识别不准的情况下，做了优化，提高识别准确率。包含总模型仅8.6M的超轻量级中文OCR，单模型支持中英文数字组合识别、竖排文本识别、长文本识别。同时支持多种文本检测。 项目封装极其简化，实际调用仅几行代码，极大的方便
OCR预测模型和推理模型不一致
qq_44012405的博客
08-05 111
OCR预测模型和推理模型不一致
c#深度学习—PaddleOCRSharp（附示例源码）
m0_55074196的博客
07-24 5108
PaddleOCRSharp是基于PaddleOCR的C++代码修改并封装的.NET工具类库，支持文本识别、文本检测、基于文本检测结果的统计分析的表格识别功能。封装极其简化，实际调用仅几行代码，极大的方便了中下游开发者的使用和降低了PaddleOCR的使用入门级别，同时提供不同的.NET框架使用，方便各个行业应用开发与部署。Nuget包即装即用，可以离线部署，不需要网络就可以识别的高精度中英文OCR。跑通了例程代码并根据建议进行了些许优化，代码中注释详细，自行阅读。该项目只支持x64cpu编译。
PaddleOCR模型训练及使用详细教程
Elaine的博客
01-25 2836
PaddleOCR是基于PaddlePaddle深度学习框架的开源OCR工具，但它提供了推理模型/训练模型/预训练模型，用户可以直接使用推理模型进行识别，也可以对训练模型或预训练模型进行再训练。支持约80种语言的文本识别，并具有较高的准确性和速度。
pytorch 使用加载训练好的模型做inference
09-17
今天小编就为大家分享一篇pytorch 使用加载训练好的模型做inference，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
基于yolov5实现车牌检测与LPRNet实现车牌检测项目源码+权重文件+模型数据+项目文档 使用pytorch深度学习框架
04-23
基于pytorch深度学习框架，实用开源模型yolov4实现模板检测与yolov5实现车牌检测与LPRNet实现车牌检测 使用说明 1、运行detect.py：实现对 /inference/images 路径下的图片和视频进行目标检测，卡车计数，和车牌检测...
Tensorflow模型实现预测或识别单张图片
01-20
利用Tensorflow训练好的模型，图片进行预测和识别，并输出相应的标签和预测概率。 如果想要多张图片，可以进行批次加载和预测，这里仅用单张图片进行演示。 模型文件： 预测图片： 这里直接贴代码，都有注释，应该...
基于C#和Paddle Inference 部署PaddlePaddle模型，C#平台调用Paddle Inference
02-29
  Paddle Inference 是飞桨的原生推理库， 提供服务器端的高性能推理能力，直接基于飞桨的训练算子，因此它支持飞桨训练出的所有模型的推理；Paddle Inference 功能特性丰富，性能优异，针对不同平台不同的应用场景...
[python3] 读取一个正在更新的日志文件
言之。
04-24 868
等同于–follow=name --retry，根据文件名进行追踪，并保持重试，即该文件被删除或改名后，如果再次创建相同的文件名，会继续追踪。这两种方法都会持续监听日志文件的变化，并实时读取新增的日志内容。你可以根据实际需求选择其中一种方法。要读取一个正在更新的日志文件（即实时写入的日志文件），你可以使用 Python 的。的技巧来实现实时读取。函数打开文件，并使用。
实现自定义注解、实现自定义幂等性注解
qq_44721738的博客
04-23 1024
添加 Spring AOP 依赖。创建自定义注解。创建一个新的 Java 注解类，通过@interface关键字来定义，并可以添加元注解以及属性。@Target(ElementType.METHOD) //表示作用于方法上@Retention(RetentionPolicy.RUNTIME) // 表示这个注解在运行时是可见的，这样 AOP 代理才能在运行时读取到这个注解编写 AOP 拦截（自定义注解）的逻辑代码。@Aspect@Component// 方法执行前的处理。
Pandas 2.2 中文官方教程和指南（二十二）
龙哥盟
04-24 1152
原文：pandas.pydata.org/docs/ 时间增量 原文：pandas.pydata.org/docs/user_guide/timedeltas.html 时间增量是时间之间的差异，以不同的单位表示，例如天、小时、分钟、秒。它们可以是正数也可以是负数。 Timedelta是datetime.timedelta的子类，并且行为类似，但也允许与np.timedelta64类型兼容，以及一系列自定义表示、解析和属性。 解析 您可以通过各种参数构造一个Timedelta标量，包括ISO 860
Pandas 2.2 中文官方教程和指南（十五）
龙哥盟
04-24 757
原文：pandas.pydata.org/docs/ 处理文本数据 原文：pandas.pydata.org/docs/user_guide/text.html 文本数据类型 在 pandas 中有两种存储文本数据的方式： object -dtype NumPy 数组。 StringDtype 扩展类型。 我们建议使用StringDtype来存储文本数据。 在 pandas 1.0 之前，object dtype 是唯一的选项。这在很多方面都是不幸的： 你可能会在object dty
superset部署与实践
最新发布
m0_60125201的博客
04-29 635
本博客简要介绍了superset这个BI工具，使用两种方法来部署superset，并简单介绍了superset的使用。
paddleocr训练模型转成onnx
08-31
您好！要将PaddleOCR训练的模型转换为ONNX格式，您可以按照以下步骤进行操作： 1. 安装依赖： ```bash pip install paddlepaddle paddleocr onnxruntime ``` 2. 导入PaddleOCR和相关库： ```python import paddleocr import paddle.fluid as fluid import onnx import onnxruntime ``` 3. 加载PaddleOCR训练的模型： ```python paddleocr.OCR(rec_img_shapes=[3, 32, 320], rec_char_type='ch', \ use_gpu=False, use_angle_cls=True) model_path = 'your_model_path' model = paddleocr.load_model(model_path) ``` 4. 定义输入和输出的变量： ```python input_names = ['image'] output_names = ['ctc_greedy_decoder_0.tmp_0'] input_spec = fluid.core.VarDesc.VarType.LOD_TENSOR output_spec = fluid.core.VarDesc.VarType.LOD_TENSOR ``` 5. 创建PaddlePaddle的Executor，并加载模型参数： ```python exe = fluid.Executor(fluid.CPUPlace()) [inference_program, feed_target_names, fetch_targets] = \ fluid.io.load_inference_model(dirname=model_path, executor=exe) ``` 6. 使用PaddlePaddle的Fluid框架将模型转换为ONNX格式： ```python paddle.onnx.export( inference_program, path="model.onnx", input_spec=[(input_names[0], input_spec)], output_spec=[(output_names[0], output_spec)], opset_version=11, enable_onnx_checker=True) ``` 7. 至此，您已经成功将PaddleOCR训练的模型转换为ONNX格式，并保存为"model.onnx"文件。 请确保您按照上述步骤操作，并将"your_model_path"替换为您的模型路径。如果您使用的是GPU，请将"use_gpu"参数设置为True，同时将"fluid.CPUPlace()"替换为"fluid.CUDAPlace(0)"。 希望对您有所帮助！如有更多疑问，请随时提问。

“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 1
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