当前位置:   article > 正文

EasyOCR 识别模型训练_easyocr训练自己的模型

easyocr训练自己的模型

0. 开始之前

1. 创建训练数据

训练数据生成步骤将使用一个名为 TextRecognitionDataGenerator 的开源项目。
参考: https://blog.csdn.net/leiwuhen92/article/details/126419244  文本识别数据生成器-TextRecognitionDataGenerator
trdg -c 2000000 -w 5 -f 64 -k 5生成训练数据2000000条:
下一步是进行一个简单的数据转换过程,因为本文中使用TextRecognitionDataGenerator项目生成的学习数据不是deep-text-recognition-benchmark项目学习 所需的数据结构。

2. 学习数据转换

使用TextRecognitionDataGenerator项目生成的学习数据不是deep-text-recognition-benchmark项目学习 所需的数据结构。需要进行转换

2.1、项目安装

$ git clone https://github.com/DaveLogs/TRDG2DTRB.git

2.2、数据转换

输入数据结构:
执行命令进行转换:
python3 convert.py  --input_path /home/ocr/  --output_path ./output

输出:

生成的数据由图像文件列表和 gt.txt 文件组成,其中存储了每个图像文件的标签。
输出数据结构:
     
原始图片的命名是有要求的:图片内容_index编号.后缀
像4051.jpg这种格式的经过转换后得到的gt.txt如下,不是我们想要的
相关代码逻辑如下:

3. 训练模型

需要借助deep-text-recognition-benchmark的开源项目。

3.1、项目安装

  1. # 下载源代码
  2. $ git clone https://github.com/clovaai/deep-text-recognition-benchmark.git
  3. # 搭建开发环境
  4. $ pip3 install torch torchvision
  5. $ pip3 install lmdb pillow nltk natsort
  6. $ pip3 install fire

3.2、准备阶段

准备用于神经网络训练的训练数据和微调学习所需的预训练模型。

3.2.1、训练数据

3.2.2、将训练数据转换为lmdb格式

在deep-text-recognition-benchmark项目中使用以下命令语法将其转换为lmdb格式以供实际学习时使用。
  1. # deep-text-recognition-benchmark 从项目根运行
  2. (venv) $ python3 create_lmdb_dataset.py \
  3.         --inputPath /home/TRDG2DTRB/output/ \
  4.         --gtFile /home/TRDG2DTRB/output/gt.txt \
  5.         --outputPath result/

至此,准备训练数据的一系列过程就结束了。
为了提高学习性能,将训练和验证的训练数据分别分为MJ和ST来构建数据,训练时设置batch_ratio来学习MJ和ST数据以适当的比例。

3.2.3、准备预训练模型

下载学习模型 跳转中...icon-default.png?t=N7T8https://link.zhihu.com/?target=https%3A//github.com/clovaai/deep-text-recognition-benchmark%23run-demo-with-pretrained-model 下载与实际 EasyOCR 中使用的基本模型具有相同网络结构(' None-VGG-BiLSTM-CTC ')的预训练模型。

3.2.4、项目和预模型正常运行的确认

让我们使用以下语法测试deep-text-recognition-benchmark项目是否与下载的模型正常工作。
# demo.py中可查看参数及其定义
 
  1. python3 demo.py \
  2. --Transformation None \
  3. --FeatureExtraction VGG \
  4. --SequenceModeling BiLSTM \
  5. --Prediction CTC \
  6. --image_folder demo_image/ \
  7. --saved_model None-VGG-BiLSTM-CTC.pth

3.3、训练模型

训练数据和学习所需的预训练模型None-VGG-BiLSTM-CTC.pth )都准备好了,就可以使用deep-text-recognition-benchmark项目提供的以下命令语法开始学习。
# train.py中查看参数及其定义
 
  1. python3 train.py --train_data lmdb/training \
  2. --valid_data lmdb/validation \
  3. --select_data MJ-ST \
  4. --batch_ratio 0.5-0.5 \
  5. --Transformation None \
  6. --FeatureExtraction VGG \
  7. --SequenceModeling BiLSTM \
  8. --Prediction CTC \
  9. --saved_model None-VGG-BiLSTM-CTC.pth \
  10. --num_iter 2000 \
  11. --valInterval 20 \
  12. --FT

上述命令语法的简要说明如下。

  • --train_data : 训练数据中训练的数据路径
  • --valid_data : 训练数据之间验证的数据路径
  • --select_data : 选择训练数据(默认为MJ-ST,即MJ和ST作为训练数据)
  • --batch_ratio:为批次中的每个选定数据分配比率
  • --Transformation:选择要使用的转换模块。['无','TPS']
  • --FeatureExtraction : 选择要使用的 FeatureExtraction 模块,['RCNN'、'ResNet'、'VGG']
  • --SequenceModeling:选择要使用的 SequenceModeling 模块。['无','BiLSTM']
  • --Prediction:选择要使用的预测模块。['Attn', 'CTC']
  • --saved_model : 用于微调学习的预训练模型的存储位置
  • --num_iter: 训练迭代次数,默认300000
  • --valInterval:每次检验之间的时间间隔,默认2000
  • --FT : 是否学习微调
  • --lr:学习率,对于 Adadelta,默认 = 1.0
  • --batch_max_length:最大标签长度,默认值25
  • --imgH:输入图像的高度,默认32      # 后面的识别配置模块nvbc.yaml文件会用到
  • --input_channel:特征提取器的输入通道数,默认1
  • --output_channel:特征提取器的输出通道数,默认512
  • --hidden_size:LSTM 隐藏状态的大小,默认256
报错:提示训练模型需在CUDA设备上运行
但若想在CPU上运行,可根据提示修改为如下:
再次运行,得到:
等待一段时间,直至出现“end the training”字符,训练结束。
学习结果保存在当前目录下的/saved_models 文件夹中:
存储的学习结果信息如下:
  • best_accuracy.pth / best_norm_ED.pth:在经过训练的模型文件中具有特定性能指数的选定模型;
  • log_dataset.txt:用于训练的数据集信息;
  • log_train.txt:训练正在进行时的日志(与上面终端中显示的相同)
  • opt.txt:执行学习命令语法时设置的学习选项信息

3.4、测试模型

让我们使用训练好的模型best_accuracy.pth来检查训练是否正确完成。
同样,上面使用的语法按原样使用。但是,要使用的模型被指定为新学习的模型./saved_models/None-VGG-BiLSTM-CTC-Seed1111/best_accuracy.pth
  1. # 测试项目中包含的演示图像
  2. python3 demo.py \
  3. --Transformation None \
  4. --FeatureExtraction VGG \
  5. --SequenceModeling BiLSTM \
  6. --Prediction CTC \
  7. --image_folder demo_image/ \
  8. --saved_model ./saved_models/None-VGG-BiLSTM-CTC-Seed1111/best_accuracy.pth

4. 使用模型

前提:环境上已经安装easyocr。

4.1、用户模型环境配置

用户学习模型、模块和配置文件的名称必须统一,这里假设用户模型文件的名称设置为“nvbc”。
  1. 复制3.3节生成的用户模型./saved_models/None-VGG-BiLSTM-CTC-Seed1111/best_accuracy.pth到/root/.EasyOCR/model/,改名为nvbc.pth;
  2. 在/root/.EasyOCR/user_network/下建立用户识别模型网络模块nvbc.py用户识别配置模块nvbc.yaml

4.1.1、创建nvbc.yaml

该配置文件包含用于训练学习模型的参数和使用EasyOCR模块所需的参数信息。
# 值要与deep-text-recognition-benchmark/train.py中的值保持一致,因为是根据train.py训练出来的模型
 
  1. network_params:
  2.   input_channel: 1
  3.   output_channel: 512
  4.   hidden_size: 256
  5. imgH: 32
  6. lang_list:
  7.          - 'nvbc'   # 语言代码   对应与/usr/local/lib/python3.6/dist-packages/easyocr/character/nvbc_char.txt,没有则创建
  8. character_list: 0123456789abcdefghijklmnopqrstuvwxyz   # 学习数据类

4.1.2、创建nvbc.py

定义用户识别模型网络结构的模块文件,由于我们使用了EasyOCR模块中使用的'TPS-ResNet-BiLSTM-Attn'结构,所以可以使用EasyOCR项目提供的文件进行如下配置
  1. import torch.nn as nn
  2. class Model(nn.Module):
  3.     def __init__(self, input_channel, output_channel, hidden_size, num_class):
  4.         super(Model, self).__init__()
  5.         """ FeatureExtraction """
  6.         self.FeatureExtraction = VGG_FeatureExtractor(input_channel, output_channel)
  7.         self.FeatureExtraction_output = output_channel
  8.         self.AdaptiveAvgPool = nn.AdaptiveAvgPool2d((None, 1))
  9.         """ Sequence modeling"""
  10.         self.SequenceModeling = nn.Sequential(
  11.             BidirectionalLSTM(self.FeatureExtraction_output, hidden_size, hidden_size),
  12.             BidirectionalLSTM(hidden_size, hidden_size, hidden_size))
  13.         self.SequenceModeling_output = hidden_size
  14.         """ Prediction """
  15.         self.Prediction = nn.Linear(self.SequenceModeling_output, num_class)
  16.     def forward(self, input, text):
  17.         """ Feature extraction stage """
  18.         visual_feature = self.FeatureExtraction(input)
  19.         visual_feature = self.AdaptiveAvgPool(visual_feature.permute(0, 3, 1, 2))
  20.         visual_feature = visual_feature.squeeze(3)
  21.         """ Sequence modeling stage """
  22.         contextual_feature = self.SequenceModeling(visual_feature)
  23.         """ Prediction stage """
  24.         prediction = self.Prediction(contextual_feature.contiguous())
  25.         return prediction
  26. class BidirectionalLSTM(nn.Module):
  27.     def __init__(self, input_size, hidden_size, output_size):
  28.         super(BidirectionalLSTM, self).__init__()
  29.         self.rnn = nn.LSTM(input_size, hidden_size, bidirectional=True, batch_first=True)
  30.         self.linear = nn.Linear(hidden_size * 2, output_size)
  31.     def forward(self, input):
  32.         """
  33.         input : visual feature [batch_size x T x input_size]
  34.         output : contextual feature [batch_size x T x output_size]
  35.         """
  36.         try: # multi gpu needs this
  37.             self.rnn.flatten_parameters()
  38.         except: # quantization doesn't work with this
  39.             pass
  40.         recurrent, _ = self.rnn(input# batch_size x T x input_size -> batch_size x T x (2*hidden_size)
  41.         output = self.linear(recurrent)  # batch_size x T x output_size
  42.         return output
  43. class VGG_FeatureExtractor(nn.Module):
  44.     def __init__(self, input_channel, output_channel=256):
  45.         super(VGG_FeatureExtractor, self).__init__()
  46.         self.output_channel = [int(output_channel / 8), int(output_channel / 4),
  47.                                int(output_channel / 2), output_channel]
  48.         self.ConvNet = nn.Sequential(
  49.             nn.Conv2d(input_channel, self.output_channel[0], 3, 1, 1), nn.ReLU(True),
  50.             nn.MaxPool2d(2, 2),
  51.             nn.Conv2d(self.output_channel[0], self.output_channel[1], 3, 1, 1), nn.ReLU(True),
  52.             nn.MaxPool2d(2, 2),
  53.             nn.Conv2d(self.output_channel[1], self.output_channel[2], 3, 1, 1), nn.ReLU(True),
  54.             nn.Conv2d(self.output_channel[2], self.output_channel[2], 3, 1, 1), nn.ReLU(True),
  55.             nn.MaxPool2d((2, 1), (2, 1)),
  56.             nn.Conv2d(self.output_channel[2], self.output_channel[3], 3, 1, 1, bias=False),
  57.             nn.BatchNorm2d(self.output_channel[3]), nn.ReLU(True),
  58.             nn.Conv2d(self.output_channel[3], self.output_channel[3], 3, 1, 1, bias=False),
  59.             nn.BatchNorm2d(self.output_channel[3]), nn.ReLU(True),
  60.             nn.MaxPool2d((2, 1), (2, 1)),
  61.             nn.Conv2d(self.output_channel[3], self.output_channel[3], 2, 1, 0), nn.ReLU(True))
  62.     def forward(self, input):
  63.         return self.ConvNet(input)
作为参考,如果你想通过改变模型的网络结构来学习和使用,deep-text-recognition-benchmark项目的'deep-text-recognition-benchmark/model.py'文件和'deep-text -recognition-benchmark/modules/ 你可以参考'.custom.py'中的文件来配置这个'custom.py'文件。

4.2、EasyOCR 运行参数

编写如下代码并运行它:testzq.py
  1. from easyocr.easyocr import *
  2. # # GPU 环境
  3. # os.environ['CUDA_VISIBLE_DEVICES'] = '0,1'
  4. def get_files(path):
  5.     files = [f for f in os.listdir(path) if not f.startswith('.')]  # skip hidden file
  6.     files.sort()
  7.     abspath = os.path.abspath(path)
  8.     file_list = []
  9.     for file in files:
  10.         file_path = os.path.join(abspath, file)
  11.         file_list.append(file_path)
  12.     return file_list, len(file_list)
  13. if __name__ == '__main__':
  14.     # Using custom model
  15.     reader = Reader(['nvbc'], gpu=False,   # 语言存储在/usr/local/lib/python3.6/dist-packages/easyocr/character/nvbc_char.txt
  16.                     model_storage_directory='/root/.EasyOCR/model',  
  17.                     user_network_directory='/root/.EasyOCR/user_network',
  18.                     recog_network='nvbc')
  19.     files, count = get_files(path='/home/deep-text-recognition-benchmark/demo_image/')
  20.     for idx, file in enumerate(files):
  21.         filename = os.path.basename(file)
  22.         result = reader.readtext(file)
  23.         # ./easyocr/utils.py 733 lines
  24.         # result[0]: bbox
  25.         # result[1]: string
  26.         # result[2]: confidence
  27.         for (bbox, string, confidence) in result:
  28.             print("filename: '%s', confidence: %.4f, string: '%s'" % (filename, confidence, string))

使用用户模型运行: python3 testzq.py,结果如下:

错误1:训练数据比较大时,训练模型报错:ValueError: num_samples should be a positive integer value, but got num_samples=0
原因是:图片的名称长度大于--batch_max_length的默认值、而且包含的字符不在默认的--character中

五、参考

【扫盲】RCNN+CTC字符训练识别_哔哩哔哩_bilibili欢迎关注公众号:小鸡炖技术 ,后台回复:“RCNN+CTC”获取本教程素材~~~, 视频播放量 3161、弹幕量 0、点赞数 38、投硬币枚数 34、收藏人数 103、转发人数 5, 视频作者 小鸡炖技术, 作者简介 公众号:小鸡炖技术,相关视频:【陈巍学基因】视频30:CellSearch检测CTC,见微知著的查癌方法——CTC循环肿瘤细胞检测,字符识别,时间序列LSTM深度学习模型代码讲解,1.1Faster RCNN理论合集,6、字符分割,如何读懂PyTorch深度学习代码-第一个深度学习实例-手写字符识别代码解析,【扫盲】DarkNet下YoloV4训练,阿丘科技深度学习AIDI讲解之字符识别,美国铁路CTC调度集中系统 - BNSF铁路官方科普【搬运】icon-default.png?t=N7T8https://www.bilibili.com/video/BV1JA411t7H9 deep-text-recognition-benchmarkicon-default.png?t=N7T8https://link.zhihu.com/?target=https%3A//github.com/clovaai/deep-text-recognition-benchmark

python - Size mismatch for fc.bias and fc.weight in PyTorch - Stack Overflowicon-default.png?t=N7T8https://stackoverflow.com/questions/53612835/size-mismatch-for-fc-bias-and-fc-weight-in-pytorch

PyTorch加载模型出现Error(s) in loading state_dict() for Model问题,Unexpected key(s) in state_dict: “...“_行走的笔记的博客-CSDN博客问题:模型在训练过程中可以正常训练,但是测试的时候出现了错误,如下所示:RuntimeError: Error(s) in loading state_dict for ModuleList:Missing key(s) in state_dict: "0.weight", "1.weight", "1.bias", "1.running_mean", "1.running_var", Unexpected key(s) in state_dict: "conv1.weight", "bn1.wehttps://blog.csdn.net/qq_45777045/article/details/109481993 Ubuntu 18.04 安装 NVIDIA 显卡驱动 - 知乎我们今天的目标是在 Ubuntu 18.04 上安装 NVIDIA 显卡驱动,请注意,你的显卡一定要是 NVIDIA 的显卡才能按照这篇文章的方法安装。我将给大家介绍三种安装方法,建议使用第一种方法安装。 先来说说带有 NVIDIA 独…icon-default.png?t=N7T8https://zhuanlan.zhihu.com/p/59618999

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/2023面试高手/article/detail/295926
推荐阅读
相关标签
  

闽ICP备14008679号