赞
踩
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
在做一些场景的文本检测时,很多时候我们希望识别指定位置的文本,参考大佬们的系列文章与代码,他们提供了很不错的解决思路:
DBNet文本目标检测,带多分类
pytorchOCR之DBnet(多类别文本检测1)
学习大佬的代码后,成功移植到PaddleOCR release2.5上(支持PP-OCRv3预训练模型),供大家开箱即用。
代码地址
1.使用PPOCRLabel标注
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。标注分类需使用KIE模式启动,命令如下:
PPOCRLabel --lang ch --kie True
用该命令启动PPOCRLabel后可以为标注的区块加一个分类,保存的数据中会多一个字段:key_cls。
2.训练
根据自己的需求修改配置文件相关信息后开始训练。
理论来说,下图的代码会自动帮我们添加num_classes参数的配置,但是使用时总无效。
本着能走捷径就走捷径且万无一失的原则,在yml文件中的Loss、Architecture-Head、Train-dataset-transforms-EastRandomCropData直接增加num_classes参数能起到同样的效果。
random_crop_data用于对图片的随机剪裁,如果图片上有多个标注,min_crop_side_ratio默认0.1,比较小的min_crop_side_ratio容易图片上的其他区域剪没了,应按照个人需要来剪裁,甚至显示一下图片浏览剪裁效果。
from PIL import Image
Image.fromarray(img).show()
大佬的代码就是香
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。