百度paddleocr检测训练

最新推荐文章于 2024-05-15 07:01:42 发布
最新推荐文章于 2024-05-15 07:01:42 发布
阅读量1.4k 收藏 5
点赞数 1
分类专栏： 深度学习 机器学习 图像处理 文章标签： 百度 python 深度学习
原文链接：https://blog.csdn.net/weixin_36723038/article/details/125997361
版权

一.源码准备

下载地址：paddleocr
注意：如果需要使用tensorrt加速，需要下载2.2以上版本的

运行环境
1.准备一个新的虚拟环境，安装下载的源码当中对应的requirements.txt文件，记住paddle的版本尽量和下载的代码版本一致，使用tensorrt需要的paddlepaddle版本也不一样，需要去官网查找
2.下载地址：paddlepaddle

二.准备数据

1.下载官网数据集
2.准备自己的数据集

官网数据：

# 在PaddleOCR路径下
cd PaddleOCR/
wget -P ./train_data/  https://paddleocr.bj.bcebos.com/dataset/train_icdar2015_label.txt
wget -P ./train_data/  https://paddleocr.bj.bcebos.com/dataset/test_icdar2015_label.txt

自己的数据：

  1. 安装与运行PPOCRLabel

一般拉取的paddleocr里面有PPOCRLabel

pip install PPOCRLabel  # 安装

# 选择标签模式来启动
PPOCRLabel --lang ch  # 启动【普通模式】，用于打【检测+识别】场景的标签
PPOCRLabel --lang ch --kie True  # 启动 【KIE 模式】，用于打【检测+识别+关键字提取】场景的标签
  1. 运行PPOCRLabel（pycharm的终端运行）
cd ./PPOCRLabel  #进入py文件所在位置
python PPOCRLabel.py --lang ch # 运行文件
  1. 数据标注
    文件>打开目录>选择文件夹>左下角的自动标注（等待自动标注完成）
    在这里插入图片描述
    查看标注是否正确，然后进行修改确定，下一张（记住需要先把自动保存开启）
    标注完成之后，再次 点击 文件>保存标记结果>保存识别结果
    会在数据文件生成如下数据
    在这里插入图片描述

Cache.cach：保存的gt框的坐标

fileState.txt：类别标签

Label.txt：保存的gt框的坐标（一般用的都是这个）

rec_gt.txt：文本识别识别结果（对应的是文本识别）

三.参数修改（det_mv3_db.yml）
1.预训练模型参数
configs>det>det_mv3_db.yml 文件模型
在这里插入图片描述
预训练模型下载：

cd PaddleOCR/
# 下载MobileNetV3的预训练模型
wget -P ./pretrain_models/ https://paddle-imagenet-models-name.bj.bcebos.com/MobileNetV3_large_x0_5_pretrained.tar

# 或，下载ResNet18_vd的预训练模型
wget -P ./pretrain_models/ https://paddle-imagenet-models-name.bj.bcebos.com/ResNet18_vd_pretrained.tar

# 或，下载ResNet50_vd的预训练模型
wget -P ./pretrain_models/ https://paddle-imagenet-models-name.bj.bcebos.com/ResNet50_vd_ssld_pretrained.tar

网址：预训练模型

网址：预训练模型和推理模型

在这里插入图片描述
2.训练数据参数

在这里插入图片描述
data_dir 需要修改成自己的

label_file_list 自己标签的位置

data_dir 不要写到自己的图片目录下

在这里插入图片描述

建议调成1，根据自己的电脑来设置
Eval当中的batch_size_per_card必须是1，这个不能更改

3.模型开始训练

python tools/train.py -c configs/det/det_mv3_db.yml

也可以调整代码，直接运行train.py
program.py调整ArgsParser下面的-c -config 指定为.yml的配置文件路径（也就是你修改的配置文件路径）

最后训练好可以在./output/db_mv3 下面的yml中查看训练的配置文件
在这里插入图片描述

训练参数

Global:
  use_gpu: True                              #是否使用GPU
  epoch_num: 1200                             #最大训练轮数
  log_smooth_window: 20                       #日志最大宽度
  print_batch_step: 20                        #日志打印间隔
  save_model_dir: ../output/det_db/det_r50_vd_test/             #模型保存路径
  save_epoch_step: 200                        #模型保存间隔
  # evaluation is run every 2000 iterations
  eval_batch_step: [0,1200]                 #模型评估间隔
  # if pretrained_model is saved in static mode, load_static_weights must set to True
  load_static_weights: True                 #是否将预训练模型保存在静态图形模式
  cal_metric_during_train: False            #是否设置中值评估
  pretrained_model: ../pretrain_models/ResNet50_vd_pretrained        #预训练模型
  checkpoints: ../output/det_db/det_r50_vd_test/latest           #模型参数设置，用中断后加载参数继续训练
  save_inference_dir:     #推理模型保存路径
  use_visualdl: False           #是否设置可视化日志，启用visual
  infer_img: /data/_workspace/PPOCR/src/doc/imgs_en/img_10.jpg      #推理图片位置或者文件夹位置
  save_res_path: /data/_workspace/PPOCR/data/output/det_db/predicts_db.txt     #设置测试模型的保存路径，仅在检测模型中有效

Architecture:
  model_type: det                                                 #网络类型，名目支持rec,det,cls（识别，检测，方向）
  algorithm: DB                                 #算法类型
  Transform:                                    #设置转换方法，目前仅支持识别算法
  Backbone:
    name: ResNet                                #主干网络
    layers: 50                                  #resnet层数，目前支持18，34，50，101，152，200
  Neck:
    name: DBFPN                                #目前支持SequenceEncoder,DBFPN
    out_channels: 256                          #输出通道数
  Head:
    name: DBHead                             #目前支持CTCHead,DBHead,ClsHead
    k: 50                                    #DBHead二值化系数

Loss:
  name: DBLoss                              #损失函数，目前支持CTCLoss,DBLoss,ClsLoss
  balance_loss: true                        #是否平衡样本数
  main_loss_type: DiceLoss                   #收缩映射损耗
  alpha: 5                                  #收缩损失系数
  beta: 10                                  #阈值损失系数
  ohem_ratio: 3                             #正负样本比

Optimizer:
  name: Adam                                   #优化器，目前支持Momentum,Adam,RMSProp
  beta1: 0.9                                   #一阶衰减率
  beta2: 0.999                                 #二阶衰减率
  lr:
    learning_rate: 0.001                       #学习率大小
  regularizer:
    name: 'L2'                                 #正则,L1,L2
    factor: 0                                  #学习率衰减系数

PostProcess:
  name: DBPostProcess                #处理后类名
  thresh: 0.3                        #分割图像的二值化阈值
  box_thresh: 0.6                    #输出框的阈值，低于的框不输出
  max_candidates: 1000               #输出最大文本框数
  unclip_ratio: 1.7                  #文本框的比例

Metric:
  name: DetMetric                    #度量，目前支持DetMetric,RecMetric,ClsMetric
  main_indicator: hmean              #选择最佳模型

Train:
  dataset:
    name: SimpleDataSet        #数据类型，支持SimpleDataSet,LMDBDataSet

    data_dir: ../train_data/ic15_data/text_localization/        #数据图片路径（训练）
    label_file_list:
      - ../train_data/ic15_data/text_localization/train_icdar2015_label.txt    #数据标注文件（路径，标注框信息等）
    ratio_list: [1.0]            #数据集比率，如果有两个文件，可以写【0.4,0.6】，第一个占0.4，第二个占0.6
    transforms:                  #变换图像和标签的方法列表
      - DecodeImage: # load image   加载图像
          img_mode: BGR
          channel_first: False
      - DetLabelEncode: # Class handling label    标签处理
      - IaaAugment:  #图像增广
          augmenter_args:
            - { 'type': Fliplr, 'args': { 'p': 0.5 } }
            - { 'type': Affine, 'args': { 'rotate': [-10, 10] } }
            - { 'type': Resize, 'args': { 'size': [0.5, 3] } }
      - EastRandomCropData:
          size: [640, 640]
          max_tries: 50
          keep_ratio: true
      - MakeBorderMap:
          shrink_ratio: 0.3   # 0.4
          thresh_min: 0.3
          thresh_max: 0.7
      - MakeShrinkMap:
          shrink_ratio: 0.3  #0.4
          min_text_size: 8
      - NormalizeImage:
          scale: 1./255.
          mean: [0.485, 0.456, 0.406]
          std: [0.229, 0.224, 0.225]
          order: 'hwc'
      - ToCHWImage:
      - KeepKeys:
          keep_keys: ['image', 'threshold_map', 'threshold_mask', 'shrink_map', 'shrink_mask'] # the order of the dataloader list
  loader:
    shuffle: True             #是否破坏数据顺序
    drop_last: False          #是否放弃最后一个未完成的批次
    batch_size_per_card: 8  #16   批量大小
    num_workers: 1  #8        子进程

Eval:
  dataset:
    name: SimpleDataSet
    data_dir: ../train_data/ic15_data/text_localization/
    label_file_list:
      - ../train_data/ic15_data/text_localization/test_icdar2015_label.txt
    transforms:
      - DecodeImage: # load image
          img_mode: BGR
          channel_first: False
      - DetLabelEncode: # Class handling label
      - DetResizeForTest:
          image_shape: [736, 1280]
      - NormalizeImage:
          scale: 1./255.
          mean: [0.485, 0.456, 0.406]
          std: [0.229, 0.224, 0.225]
          order: 'hwc'
      - ToCHWImage:
      - KeepKeys:
          keep_keys: ['image', 'shape', 'polys', 'ignore_tags']
  loader:
    shuffle: False
    drop_last: False
    batch_size_per_card: 1 # must be 1
    num_workers: 1    #8
凤枭香
关注
  • 1
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
专栏目录
PaddleOCR训练自己的数据
zyb的博客
12-29 1万+
一 、数据准备 采用PPOCRLabel标注自己的数据 PPOCRLabel是一款适用于OCR领域的半自动化图形标注工具，内置PP-OCR模型对数据自动标注和重新识别。使用Python3和PyQT5编写，支持矩形框标注和四点标注模式，导出格式可直接用于PaddleOCR检测和识别模型的训练。 1.1 安装PaddlePaddle pip3 install --upgrade pip # 如果您的机器安装的是CUDA9或CUDA10，请运行以下命令安装 python3 -m pip in.
PaddleOCR——训练总结
qq_37668436的博客
11-18 2610
记录下训练碰到的问题 自己合成的数据在MLT验证精度非常低 原因：合成数据与真实数据差别较大，表现结果是在合成数据上拟合结果非常好，在真实数据上效果差，存在向合成数据过拟合的问题，解决办法增加真实数据（但这个不好找）、对真实数据进行数据增广（应该可以吧）、拿合成数据训练的best模型在真实数据上finetune（在测试）。 合成数据的best模型作为预训练模型在真是数据上finetune时最开始acc=0.0 原因：我使用的预训练模型是在合成数据上识别日语并且验证集准确度最高有83%左右，并且用这个模型在真
2024年鸿蒙最全PaddleOCR模型训练及使用详细教程_paddleocr设置模型输出，2024年最新HarmonyOS鸿蒙程序员架构之路该如何继续学习
2401_84862048的博客
05-15 1521
深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！ 既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上鸿蒙开发知识点，真正体系化！由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新需要这份系统化的资料的朋友，可以戳这里获取⑤ 安装CUDNN ： 进入以下网址，需要进行注册下载 NVIDIA官网(https://
PaddleOCR使用笔记之模型训练
greatwind的博客
09-28 7425
简介 PaddleOCR算法主要包含三个部分，分别是文本检测模型(detection)、文本识别模型(recognition)、方向分类器(classification)。 文本检测模型(detection) 模型介绍 PaddleOCR开源的文本检测算法列表： DB(paper) [2]（ppocr推荐） EAST(paper)[1] SAST(paper)[4] 在ICDAR2015文本检测公开数据集上，算法效果如下： 模型 骨干网络 precision recall Hmean
『paddle』paddleseg 学习笔记：模型评估
libo-coder
07-21 2127
模型评估一、配置化驱动方式下评估和预测1.1 评估1.2 预测二、API方式下评估和预测2.1 评估2.2 预测 一、配置化驱动方式下评估和预测 1.1 评估 训练完成后，用户可以使用评估脚本 val.py 来评估模型效果。假设训练过程中迭代次数（iters）为 1000，保存模型的间隔为 500，即每迭代 1000 次数据集保存 2 次训练模型。因此一共会产生 2 个定期保存的模型，加上保存的最佳模型 best_model，一共有 3 个模型，可以通过 model_path 指定期望评估的模型文件。 p
PaddleOCR安装并用GPU训练自己的数据
weixin_44681868的博客
10-26 4371
[paddleocr] PaddleOCR + windows 安装并使用GPU训练自己的数据。
C#基于百度飞浆PaddleOCR文字识别源码
最新发布
06-11
通过这个库，我们可以在C#程序中执行Python脚本，从而利用PaddleOCR的预训练模型进行文字检测和识别。 PaddleOCR的实现主要包括两个主要部分：文字检测（Det）和文字识别（Rec）。文字检测负责找出图像中的文字区域...
基于PaddleOCR车牌号检测模型
05-14
PaddleOCR，作为百度公司开源的一款强大的OCR（Optical Character Recognition，光学字符识别）工具库，为开发者提供了便捷的车牌号检测与识别解决方案。本文将深入探讨基于PaddleOCR的车牌号检测模型，解析其工作...
PaddleOCR2.7+Qt5
05-29
在这个项目中，`my_paddleocr.cpp`可能是实现PaddleOCR接口的关键代码，用于调用预训练模型进行OCR操作。`mainwindow.cpp`和`mainwindow.h`则是Qt5主窗口类的实现和声明，用户界面的大部分交互逻辑应该在这里定义。`...
PaddleOCR modle.zip
09-07
PaddleOCR是由百度开发的深度学习OCR系统，它支持多种语言文字识别，并提供了丰富的预训练模型，包括轻量级模型和高性能模型。轻量级模型如MobileNetV3和Distillation模型，适用于资源有限的设备；高性能模型如DB...
Python PaddleOCR OCR结构化识别的例子
02-07
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：...
paddle第十九期3天训练营3.14-day2
kewei chen
03-16 3271
第一步：重新安装环境 1.启动Notebook并打开 2.重新执行以下安装命令 第二步：安装PaddleOCR相关依赖文件 1.修改requirements文件 删除opencv-contrib-python==4.4.0.46 2.执行以下两个安装命令 cd /home/work/PaddleOCR !pip install -r requirements.txt !pip install opencv-contrib-python==4.2.0.32 第三步：修改模型训练的yml文件 进入
paddleocr文本识别模型的训练
热门推荐
didiaopao的博客
10-20 1万+
1、准备数据 训练自己的模型首先要有数据集，在我写的《paddleocr文本检测模型的训练》这篇文章的时候我已经提供了一份数据集，里面包含了文本检测和识别的数据集，由于那篇文章是文本检测的训练，所以只用到了文本检测的数据集，这里我用的是文本识别的数据集，有需要数据的可以去那篇文章里面找数据。文章链接。让我们来直观的感受一下数据集，数据集照片的图片如下所示： 数据的标签如下图所示，就是每行的前面是图片的路径，后面为该图片的标签内容。 这里要注意的是：txt文件中默...
paddleocr文本检测模型的训练
didiaopao的博客
10-15 1万+
一、环境的安装和开源项目的下载 首先我个人建议，玩深度学习的话，不管是工作还是学习，最起码要配一个有GPU的电脑。我个人有着血淋淋的教训，我本人是电气工程的一名学生，本科期间一点深度学习和机器学习的基础都没有，读研的时候就带着自己大一的时候买的笔记本电脑（没有GPU）去了读研的学校。我的实验室是大家带上自己的电脑工作学习的。因为没有GPU很多实验跑的特别慢，学习起来也很痛苦。后面实习的时候搞得是计算机视觉相关的工作，没有GPU简直没有办法学习了，后面毅然花钱买了一个好点的电脑，现在学习起来...
PaddleOCR学习（二）PaddleOCR检测模型训练
q907811175的博客
01-08 1032
最新在学PaddleOCR 网上资料少的可怜，大多数都是看的都是懵的，可能接触的少了吧。所以自己就整理写资料。 1. 安装PaddleOCR github地址 2. 运行 #到根目录运行 python PPOCRLabel.py --lang ch 运行后是这样的 首次使用会去云端下载默认模型 下载的模型会在： C:\Users\你的用户名\.paddleocr 内置模型 默认模型：PPOCRLabel默认使用PaddleOCR中的中英文超轻量OCR模型，支持中英文与数字识别，多种语言检测。 模型语
paddleocr部署训练全流程
weixin_47978722的博客
04-04 7413
paddleocr部署训练全流程 1.GPU及环境配置 GPU：GTX1050TI 环境：win11+anaconda paddleocr版本：PaddleOCR-release-2.4 2.paddle安装 2.1快速开始安装方法（为后续使用标注工具做准备） 能够快速的使用paddleocr 创建conda虚拟环境 conda create -n paddle_quickstart python=3.8 接下来按照下述参考链接安装paddleocr 参考：https://gitee.com/paddle
Windows下PaddlePaddle、CUDA环境安装、PaddleOCR-release-2.6最新版本使用cuda/gpu避坑
weixin_47418880的博客
07-13 3482
在windows系统下搭建paddlepaddle环境，在训练PaddleOCR使用gpu加速避坑
PaddleOCR文字检测模型训练
BurningSilence
11-23 4157
PaddleOCR文字检测模型训练 本文档主要介绍PaddleOCR中文字检测模型的训练、评估及测试。 数据准备 自标注数据 将所有训练图片放在icdar_c4_train_imgs文件夹下，所有测试图片放在ch4_test_images目录下，以免多次标注产生多次修改代码问题。 将所有图片格式统一改成.jpg或者统一改成.png，目标为图片保持统一格式。 将标注生成的XML文件放在一个目录中，训练数据XML和测试数据XML分开。 然后执行下面的代码，把其中的xml_dir、train_file_nam
PaddleOCR文字检测、标注与识别详细记录
AI浩
04-13 1万+
PP-OCR文字检测与识别 一、配置Paddle环境 创建虚拟环境 conda create --name pp python=3.7 创建完成后激活环境 conda activate pp 登录飞桨的官网下载最新的paddle，官网地址：飞桨PaddlePaddle-源于产业实践的开源深度学习平台 选择合适的CUDA版本，然后会在下面生成对应的命令。 然后，复制命令即可 conda install paddlepaddle-gpu==2.2.2 cudatoolkit=11.2 -c https
paddleocr训练高精度车牌检测
12-13
要使用PaddleOCR训练高精度车牌检测模型，需要进行以下步骤： 1. 数据准备：首先需要收集大量包含车牌的图片数据集。可以通过各种途径收集，如互联网上下载、自行拍摄等。收集的数据应覆盖各种车牌类型和场景。接下来，需要将收集到的车牌图片进行标注，即给每个图片标注出车牌的位置和边界框。 2. 数据预处理：为了提高训练效果，可以进行一些数据预处理操作。例如，可以对图片进行旋转、裁剪、缩放等操作，以增加数据集的多样性和可训练性。 3. 模型选择：PaddleOCR提供了多种不同的OCR模型。对于车牌检测任务，可以选择源于PaddleDetection的切割式检测模型，如Faster-RCNN、YOLOv3等。根据具体需求和数据集情况，选择合适的模型进行训练。 4. 训练配置：设置训练参数，如学习率、batch size、迭代次数等。可以根据实际情况进行调整。另外，PaddleOCR提供了预训练模型，可以尝试利用预训练模型进行迁移学习，以提高训练效果。 5. 模型训练：使用PaddleOCR提供的训练脚本，命令行输入相应的参数和路径，开始训练过程。训练过程中会逐渐优化模型权重和参数，以提高车牌检测的准确率和精度。 6. 模型评估：训练完成后，需要对训练得到的模型进行评估。可以使用一些评估指标，如mAP(mean Average Precision)，来评估模型的性能和效果。根据评估结果，可以进行模型的优化和调整。 7. 模型应用：训练好的高精度车牌检测模型可以部署到具体的应用场景中。可以通过调用该模型进行实时车牌检测，用于交通管理、安防监控等领域。 总之，通过以上步骤，利用PaddleOCR可以训练出高精度的车牌检测模型，为车牌识别任务提供准确和可靠的解决方案。

“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 4
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