飞桨常规赛:中文场景文字识别- 12月第8名方案

该内容围绕中文场景文字识别常规赛展开,介绍了比赛任务是用飞桨框架预测图像文字行内容。涵盖数据集情况,利用PaddleOCR的配置、训练、评估、预测等流程,包括模型选择、参数设置、预训练模型使用,以及结果提交相关的模型导出等内容。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

飞桨常规赛:中文场景文字识别- 12月第8名方案 - 创想鸟

一、常规赛:中文场景文字识别

比赛地址:https://aistudio.baidu.com/aistudio/competition/detail/20/0/datasets

1.比赛简介

中文场景文字识别技术在人们的日常生活中受到广泛关注,具有丰富的应用场景,如:拍照翻译、图像检索、场景理解等。然而,中文场景中的文字面临着包括光照变化、低分辨率、字体以及排布多样性、中文字符种类多等复杂情况。如何解决上述问题成为一项极具挑战性的任务。

中文场景文字识别常规赛全新升级,提供轻量级中文场景文字识别数据,要求选手使用飞桨框架,对图像区域中的文字行进行预测,并返回文字行的内容。

2.数据集描述

本次赛题数据集共包括6万张图片,其中5万张图片作为训练集,1万张作为测试集。数据集采自中国街景,并由街景图片中的文字行区域(例如店铺标牌、地标等等)截取出来而形成。

具体数据介绍

数据集中所有图像都经过一些预处理,如下图所示:

飞桨常规赛:中文场景文字识别- 12月第8名方案 - 创想鸟

(a) 标注:久斯台球会所

飞桨常规赛:中文场景文字识别- 12月第8名方案 - 创想鸟

(b) 标注:上海创科泵业制造有限公司

标注文件

平台提供的标注文件为.csv文件格式,文件中的四列分别为图片的宽、高、文件名和文字标注。样例如下:

name value

0.jpg文本0—————-1.jpg文本0

二、环境设置

PaddleOCR https://github.com/paddlepaddle/PaddleOCR 是一款全宇宙最强的用的OCR工具库,开箱即用,速度杠杠的。

In [ ]

# 从gitee上下载PaddleOCR代码,也可以从GitHub链接下载!git clone https://gitee.com/paddlepaddle/PaddleOCR.git --depth=1# 升级pip!pip install -U pip # 安装依赖%cd ~/PaddleOCR%pip install -r requirements.txt

In [ ]

%cd ~/PaddleOCR/!tree   -L 1
/home/aistudio/PaddleOCR.├── benchmark├── configs├── deploy├── doc├── __init__.py├── LICENSE├── MANIFEST.in├── paddleocr.py├── ppocr├── PPOCRLabel├── ppstructure├── README_ch.md├── README.md├── requirements.txt├── setup.py├── StyleText├── test_tipc├── tools└── train.sh10 directories, 9 files

三、数据准备

据悉train数据集共10万张,解压,并划分出10000张作为测试集。

1.数据下载解压

In [ ]

#  解压缩数据集%cd ~!unzip -qa data/data62842/train_images.zip -d data/data62842/!unzip -qa data/data62843/test_images.zip -d data/data62843/
/home/aistudio

In [ ]

# 使用命令查看训练数据文件夹下数据量是否是5万张!cd ~/data/data62842/train_images  &&  ls -l | grep "^-" | wc -l
50000

In [ ]

# 使用命令查看test数据文件夹下数据量是否是1万张!cd ~/data/data62843/test_images  &&  ls -l | grep "^-" | wc -l
10000

2. 数据集划分

In [ ]

# 读取数据列表文件import pandas as pd%cd ~data_label=pd.read_csv('data/data62842/train_label.csv', encoding='gb2312')data_label.head()
/home/aistudio
    name    value0  0.jpg       拉拉1  1.jpg       6号2  2.jpg       胖胖3  3.jpg  前门大栅栏总店4  4.jpg   你来就是旺季

In [ ]

# 对数据列表文件进行划分%cd ~/data/data62842/print(data_label.shape)train=data_label[:45000]val=data_label[45000:]train.to_csv('train.txt',sep='t',header=None,index=None)val.to_csv('val.txt',sep='t',header=None,index=None)
/home/aistudio/data/data62842(50000, 2)

In [ ]

# 查看数量print(train.shape)print(val.shape)
(45000, 2)(5000, 2)

In [ ]

!head val.txt
45000.jpg责任单位:北京市环清环卫设施维修45001.jpg眼镜45002.jpg光临45003.jpg主治45004.jpg菜饭骨头汤45005.jpg理45006.jpg要多者提前预定45007.jpg干洗湿洗45008.jpg画布咖啡45009.jpg电焊、气割、专业自卸车

In [ ]

!head train.txt
0.jpg拉拉1.jpg6号2.jpg胖胖3.jpg前门大栅栏总店4.jpg你来就是旺季5.jpg毛衣厂家直销6.jpg137619162187.jpg福鼎白茶8.jpg妍心美容9.jpg童车童床

四、配置训练参数

以PaddleOCR/configs/rec/ch_ppocr_v2.0/rec_chinese_lite_train_v2.0.yml为基准进行配置

1.配置模型网络

使用CRNN算法,backbone是MobileNetV3,损失函数是CTCLoss

Architecture:  model_type: rec  algorithm: CRNN  Transform:  Backbone:    name: MobileNetV3    scale: 0.5    model_name: small    small_stride: [1, 2, 2, 2]  Neck:    name: SequenceEncoder    encoder_type: rnn    hidden_size: 48  Head:    name: CTCHead    fc_decay: 0.00001

2.配置数据

对Train.data_dir, Train.label_file_list, Eval.data_dir, Eval.label_file_list进行配置

Train:  dataset:    name: SimpleDataSet    data_dir: /home/aistudio/data/data62842/train_images    label_file_list: ["/home/aistudio/data/data62842/train.txt"]......Eval:  dataset:    name: SimpleDataSet    data_dir: /home/aistudio/data/data62842/train_images    label_file_list: ["/home/aistudio/data/data62842/val.txt"]

3. 显卡、评估设置

use_gpu、cal_metric_during_train分别是GPU、评估开关

Global:  use_gpu: false             # true 使用GPU  .....  cal_metric_during_train: False   # true 打开评估

4. 多线程任务

Train.loader.num_workers:4Eval.loader.num_workers: 4

5.完整配置

Global:  use_gpu: true  epoch_num: 500  log_smooth_window: 20  print_batch_step: 10  save_model_dir: ./output/rec_chinese_lite_v2.0  save_epoch_step: 3  # evaluation is run every 5000 iterations after the 4000th iteration  eval_batch_step: [0, 2000]  cal_metric_during_train: True  pretrained_model: ./ch_ppocr_mobile_v2.0_rec_pre/best_accuracy  checkpoints:   save_inference_dir:  use_visualdl: True  infer_img: doc/imgs_words/ch/word_1.jpg  # for data or label process  character_dict_path: ppocr/utils/ppocr_keys_v1.txt  max_text_length: 25  infer_mode: False  use_space_char: True  save_res_path: ./output/rec/predicts_chinese_lite_v2.0.txtOptimizer:  name: Adam  beta1: 0.9  beta2: 0.999  lr:    name: Cosine    learning_rate: 0.001    warmup_epoch: 5  regularizer:    name: 'L2'    factor: 0.00001Architecture:  model_type: rec  algorithm: CRNN  Transform:  Backbone:    name: MobileNetV3    scale: 0.5    model_name: small    small_stride: [1, 2, 2, 2]  Neck:    name: SequenceEncoder    encoder_type: rnn    hidden_size: 48  Head:    name: CTCHead    fc_decay: 0.00001Loss:  name: CTCLossPostProcess:  name: CTCLabelDecodeMetric:  name: RecMetric  main_indicator: accTrain:  dataset:    name: SimpleDataSet    data_dir: /home/aistudio/data/data62842/train_images    label_file_list: ["/home/aistudio/data/data62842/train.txt"]    transforms:      - DecodeImage: # load image          img_mode: BGR          channel_first: False      - RecAug:       - CTCLabelEncode: # Class handling label      - RecResizeImg:          image_shape: [3, 32, 320]      - KeepKeys:          keep_keys: ['image', 'label', 'length'] # dataloader will return list in this order  loader:    shuffle: True    batch_size_per_card: 256    drop_last: True    num_workers: 8Eval:  dataset:    name: SimpleDataSet    data_dir: /home/aistudio/data/data62842/train_images    label_file_list: ["/home/aistudio/data/data62842/val.txt"]    transforms:      - DecodeImage: # load image          img_mode: BGR          channel_first: False      - CTCLabelEncode: # Class handling label      - RecResizeImg:          image_shape: [3, 32, 320]      - KeepKeys:          keep_keys: ['image', 'label', 'length'] # dataloader will return list in this order  loader:    shuffle: False    drop_last: False    batch_size_per_card: 256    num_workers: 8

In [1]

# 覆盖配置!cp -f  ~/rec_chinese_lite_train_v2.0.yml ~/PaddleOCR/configs/rec/ch_ppocr_v2.0/rec_chinese_lite_train_v2.0.yml
cp: cannot stat '/home/aistudio/PaddleOCR/configs/rec/ch_ppocr_v2.0/rec_chinese_lite_train_v2.0.yml': No such file or directory

6.使用预训练模型

据悉使用预训练模型,训练速度更快!!!

PaddleOCR提供的可下载模型包括推理模型、训练模型、预训练模型、slim模型,模型区别说明如下:

模型类型 模型格式 简介

推理模型inference.pdmodel、inference.pdiparams用于预测引擎推理,详情训练模型、预训练模型*.pdparams、*.pdopt、*.states训练过程中保存的模型的参数、优化器状态和训练中间信息,多用于模型指标评估和恢复训练slim模型*.nb经过飞桨模型压缩工具PaddleSlim压缩后的模型,适用于移动端/IoT端等端侧部署场景(需使用飞桨Paddle Lite部署)。

各个模型的关系如下面的示意图所示。

飞桨常规赛:中文场景文字识别- 12月第8名方案 - 创想鸟

文本检测模型

模型名称 模型简介 配置文件 推理模型大小 下载地址

ch_ppocr_mobile_slim_v2.0_detslim裁剪版超轻量模型,支持中英文、多语种文本检测ch_det_mv3_db_v2.0.yml2.6M推理模型ch_ppocr_mobile_v2.0_det原始超轻量模型,支持中英文、多语种文本检测ch_det_mv3_db_v2.0.yml3M推理模型 / 训练模型ch_ppocr_server_v2.0_det通用模型,支持中英文、多语种文本检测,比超轻量模型更大,但效果更好ch_det_res18_db_v2.0.yml47M推理模型 / 训练模型

文本识别模型

中文识别模型
模型名称 模型简介 配置文件 推理模型大小 下载地址

ch_ppocr_mobile_slim_v2.0_recslim裁剪量化版超轻量模型,支持中英文、数字识别rec_chinese_lite_train_v2.0.yml6M推理模型 / 训练模型ch_ppocr_mobile_v2.0_rec原始超轻量模型,支持中英文、数字识别rec_chinese_lite_train_v2.0.yml5.2M推理模型 / 训练模型 / 预训练模型ch_ppocr_server_v2.0_rec通用模型,支持中英文、数字识别rec_chinese_common_train_v2.0.yml94.8M推理模型 / 训练模型 / 预训练模型

说明: 训练模型是基于预训练模型在真实数据与竖排合成文本数据上finetune得到的模型,在真实应用场景中有着更好的表现,预训练模型则是直接基于全量真实数据与合成数据训练得到,更适合用于在自己的数据集上finetune。

英文识别模型
模型名称 模型简介 配置文件 推理模型大小 下载地址

en_number_mobile_slim_v2.0_recslim裁剪量化版超轻量模型,支持英文、数字识别rec_en_number_lite_train.yml2.7M推理模型 / 训练模型en_number_mobile_v2.0_rec原始超轻量模型,支持英文、数字识别rec_en_number_lite_train.yml2.6M推理模型 / 训练模型

In [ ]

%cd ~/PaddleOCR/# mobile模型# !wget https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_mobile_v2.0_rec_pre.tar# !tar -xf ch_ppocr_mobile_v2.0_rec_pre.tar# server模型!wget https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_server_v2.0_rec_pre.tar!tar -xf ch_ppocr_server_v2.0_rec_pre.tar
/home/aistudio/PaddleOCR--2021-12-31 12:58:03--  https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_server_v2.0_rec_pre.tarResolving paddleocr.bj.bcebos.com (paddleocr.bj.bcebos.com)... 182.61.200.195, 182.61.200.229, 2409:8c04:1001:1002:0:ff:b001:368aConnecting to paddleocr.bj.bcebos.com (paddleocr.bj.bcebos.com)|182.61.200.195|:443... connected.HTTP request sent, awaiting response... 200 OKLength: 490184704 (467M) [application/x-tar]Saving to: ‘ch_ppocr_server_v2.0_rec_pre.tar’ch_ppocr_server_v2. 100%[===================>] 467.48M  56.0MB/s    in 13s     2021-12-31 12:58:17 (34.9 MB/s) - ‘ch_ppocr_server_v2.0_rec_pre.tar’ saved [490184704/490184704]

五、训练

In [9]

%cd ~/PaddleOCR/# mobile模型# !python tools/train.py -c ./configs/rec/ch_ppocr_v2.0/rec_chinese_lite_train_v2.0.yml -o Global.checkpoints=./output/rec_chinese_lite_v2.0/latest# server模型!python tools/train.py -c ./configs/rec/ch_ppocr_v2.0/rec_chinese_common_train_v2.0.yml

1.选择合适的batch size

飞桨常规赛:中文场景文字识别- 12月第8名方案 - 创想鸟

2.训练日志

[2021/12/30 23:26:54] root INFO: epoch: [68/500], iter: 9930, lr: 0.000962, loss: 5.635038, acc: 0.521482, norm_edit_dis: 0.745346, reader_cost: 0.01405 s, batch_cost: 0.26990 s, samples: 2560, ips: 948.50786[2021/12/30 23:27:11] root INFO: epoch: [68/500], iter: 9940, lr: 0.000962, loss: 5.653114, acc: 0.509764, norm_edit_dis: 0.740487, reader_cost: 0.01402 s, batch_cost: 0.26862 s, samples: 2560, ips: 953.03473[2021/12/30 23:27:26] root INFO: epoch: [68/500], iter: 9950, lr: 0.000962, loss: 5.411234, acc: 0.515623, norm_edit_dis: 0.748549, reader_cost: 0.00091 s, batch_cost: 0.26371 s, samples: 2560, ips: 970.76457[2021/12/30 23:27:40] root INFO: epoch: [68/500], iter: 9960, lr: 0.000962, loss: 5.588465, acc: 0.525389, norm_edit_dis: 0.755345, reader_cost: 0.00684 s, batch_cost: 0.25901 s, samples: 2560, ips: 988.38445[2021/12/30 23:27:48] root INFO: epoch: [68/500], iter: 9970, lr: 0.000961, loss: 5.789876, acc: 0.513670, norm_edit_dis: 0.740609, reader_cost: 0.00095 s, batch_cost: 0.15022 s, samples: 2560, ips: 1704.17763[2021/12/30 23:27:51] root INFO: epoch: [68/500], iter: 9974, lr: 0.000961, loss: 5.787237, acc: 0.511717, norm_edit_dis: 0.747102, reader_cost: 0.00018 s, batch_cost: 0.05935 s, samples: 1024, ips: 1725.41448[2021/12/30 23:27:51] root INFO: save model in ./output/rec_chinese_lite_v2.0/latest[2021/12/30 23:27:51] root INFO: Initialize indexs of datasets:['/home/aistudio/data/data62842/train.txt'][2021/12/30 23:28:21] root INFO: epoch: [69/500], iter: 9980, lr: 0.000961, loss: 5.801509, acc: 0.517576, norm_edit_dis: 0.749756, reader_cost: 1.10431 s, batch_cost: 1.37585 s, samples: 1536, ips: 111.64048[2021/12/30 23:28:40] root INFO: epoch: [69/500], iter: 9990, lr: 0.000961, loss: 5.548770, acc: 0.533201, norm_edit_dis: 0.762078, reader_cost: 0.00839 s, batch_cost: 0.32035 s, samples: 2560, ips: 799.11578[2021/12/30 23:28:56] root INFO: epoch: [69/500], iter: 10000, lr: 0.000961, loss: 5.449094, acc: 0.537107, norm_edit_dis: 0.762517, reader_cost: 0.00507 s, batch_cost: 0.25845 s, samples: 2560, ips: 990.51517eval model:: 100%|██████████████████████████████| 20/20 [00:15<00:00,  1.98it/s][2021/12/30 23:29:12] root INFO: cur metric, acc: 0.4641999071600186, norm_edit_dis: 0.6980459628854201, fps: 4204.853978632389[2021/12/30 23:29:12] root INFO: best metric, acc: 0.48179990364001923, start_epoch: 12, norm_edit_dis: 0.7096561279006699, fps: 4618.199275059127, best_epoch: 46

3. visualdl可视化

本地安装visualdl pip install visualdl下载日志至本地启动visualdl可视化  visualdl –logdir ./打开浏览器查看  http://localhost:8040/

飞桨常规赛:中文场景文字识别- 12月第8名方案 - 创想鸟

六、模型评估

In [10]

# GPU 评估, Global.checkpoints 为待测权重%cd ~/PaddleOCR/# mobile模型# !python  -m paddle.distributed.launch tools/eval.py -c configs/rec/ch_ppocr_v2.0/rec_chinese_lite_train_v2.0.yml #     -o Global.checkpoints=./output/rec_chinese_lite_v2.0/latest# server模型!python  -m paddle.distributed.launch tools/eval.py -c configs/rec/ch_ppocr_v2.0/rec_chinese_common_train_v2.0.yml     -o Global.checkpoints=./output/rec_chinese_common_v2.0/best_accuracy.pdparams
/home/aistudio/PaddleOCR-----------  Configuration Arguments -----------backend: autoelastic_server: Noneforce: Falsegpus: Noneheter_devices: heter_worker_num: Noneheter_workers: host: Nonehttp_port: Noneips: 127.0.0.1job_id: Nonelog_dir: lognp: Nonenproc_per_node: Nonerun_mode: Nonescale: 0server_num: Noneservers: training_script: tools/eval.pytraining_script_args: ['-c', 'configs/rec/ch_ppocr_v2.0/rec_chinese_common_train_v2.0.yml', '-o', 'Global.checkpoints=./output/rec_chinese_common_v2.0/best_accuracy.pdparams']worker_num: Noneworkers: ------------------------------------------------WARNING 2021-12-31 18:51:19,722 launch.py:423] Not found distinct arguments and compiled with cuda or xpu. Default use collective modelaunch train in GPU mode!INFO 2021-12-31 18:51:19,725 launch_utils.py:528] Local start 1 processes. First process distributed environment info (Only For Debug):     +=======================================================================================+    |                        Distributed Envs                      Value                    |    +---------------------------------------------------------------------------------------+    |                       PADDLE_TRAINER_ID                        0                      |    |                 PADDLE_CURRENT_ENDPOINT                 127.0.0.1:46063               |    |                     PADDLE_TRAINERS_NUM                        1                      |    |                PADDLE_TRAINER_ENDPOINTS                 127.0.0.1:46063               |    |                     PADDLE_RANK_IN_NODE                        0                      |    |                 PADDLE_LOCAL_DEVICE_IDS                        0                      |    |                 PADDLE_WORLD_DEVICE_IDS                        0                      |    |                     FLAGS_selected_gpus                        0                      |    |             FLAGS_selected_accelerators                        0                      |    +=======================================================================================+INFO 2021-12-31 18:51:19,725 launch_utils.py:532] details abouts PADDLE_TRAINER_ENDPOINTS can be found in log/endpoints.log, and detail running logs maybe found in log/workerlog.0launch proc_id:16263 idx:0[2021/12/31 18:51:21] root INFO: Architecture : [2021/12/31 18:51:21] root INFO:     Backbone : [2021/12/31 18:51:21] root INFO:         layers : 34[2021/12/31 18:51:21] root INFO:         name : ResNet[2021/12/31 18:51:21] root INFO:     Head : [2021/12/31 18:51:21] root INFO:         fc_decay : 4e-05[2021/12/31 18:51:21] root INFO:         name : CTCHead[2021/12/31 18:51:21] root INFO:     Neck : [2021/12/31 18:51:21] root INFO:         encoder_type : rnn[2021/12/31 18:51:21] root INFO:         hidden_size : 256[2021/12/31 18:51:21] root INFO:         name : SequenceEncoder[2021/12/31 18:51:21] root INFO:     Transform : None[2021/12/31 18:51:21] root INFO:     algorithm : CRNN[2021/12/31 18:51:21] root INFO:     model_type : rec[2021/12/31 18:51:21] root INFO: Eval : [2021/12/31 18:51:21] root INFO:     dataset : [2021/12/31 18:51:21] root INFO:         data_dir : /home/aistudio/data/data62842/train_images[2021/12/31 18:51:21] root INFO:         label_file_list : ['/home/aistudio/data/data62842/val.txt'][2021/12/31 18:51:21] root INFO:         name : SimpleDataSet[2021/12/31 18:51:21] root INFO:         transforms : [2021/12/31 18:51:21] root INFO:             DecodeImage : [2021/12/31 18:51:21] root INFO:                 channel_first : False[2021/12/31 18:51:21] root INFO:                 img_mode : BGR[2021/12/31 18:51:21] root INFO:             CTCLabelEncode : None[2021/12/31 18:51:21] root INFO:             RecResizeImg : [2021/12/31 18:51:21] root INFO:                 image_shape : [3, 32, 320][2021/12/31 18:51:21] root INFO:             KeepKeys : [2021/12/31 18:51:21] root INFO:                 keep_keys : ['image', 'label', 'length'][2021/12/31 18:51:21] root INFO:     loader : [2021/12/31 18:51:21] root INFO:         batch_size_per_card : 256[2021/12/31 18:51:21] root INFO:         drop_last : False[2021/12/31 18:51:21] root INFO:         num_workers : 8[2021/12/31 18:51:21] root INFO:         shuffle : False[2021/12/31 18:51:21] root INFO: Global : [2021/12/31 18:51:21] root INFO:     cal_metric_during_train : True[2021/12/31 18:51:21] root INFO:     character_dict_path : ppocr/utils/ppocr_keys_v1.txt[2021/12/31 18:51:21] root INFO:     checkpoints : ./output/rec_chinese_common_v2.0/best_accuracy.pdparams[2021/12/31 18:51:21] root INFO:     debug : False[2021/12/31 18:51:21] root INFO:     distributed : False[2021/12/31 18:51:21] root INFO:     epoch_num : 500[2021/12/31 18:51:21] root INFO:     eval_batch_step : [0, 2000][2021/12/31 18:51:21] root INFO:     infer_img : doc/imgs_words/ch/word_1.jpg[2021/12/31 18:51:21] root INFO:     infer_mode : False[2021/12/31 18:51:21] root INFO:     log_smooth_window : 20[2021/12/31 18:51:21] root INFO:     max_text_length : 25[2021/12/31 18:51:21] root INFO:     pretrained_model : ./ch_ppocr_server_v2.0_rec_pre/best_accuracy[2021/12/31 18:51:21] root INFO:     print_batch_step : 10[2021/12/31 18:51:21] root INFO:     save_epoch_step : 3[2021/12/31 18:51:21] root INFO:     save_inference_dir : None[2021/12/31 18:51:21] root INFO:     save_model_dir : ./output/rec_chinese_common_v2.0[2021/12/31 18:51:21] root INFO:     save_res_path : ./output/rec/predicts_chinese_common_v2.0.txt[2021/12/31 18:51:21] root INFO:     use_gpu : True[2021/12/31 18:51:21] root INFO:     use_space_char : True[2021/12/31 18:51:21] root INFO:     use_visualdl : False[2021/12/31 18:51:21] root INFO: Loss : [2021/12/31 18:51:21] root INFO:     name : CTCLoss[2021/12/31 18:51:21] root INFO: Metric : [2021/12/31 18:51:21] root INFO:     main_indicator : acc[2021/12/31 18:51:21] root INFO:     name : RecMetric[2021/12/31 18:51:21] root INFO: Optimizer : [2021/12/31 18:51:21] root INFO:     beta1 : 0.9[2021/12/31 18:51:21] root INFO:     beta2 : 0.999[2021/12/31 18:51:21] root INFO:     lr : [2021/12/31 18:51:21] root INFO:         learning_rate : 0.001[2021/12/31 18:51:21] root INFO:         name : Cosine[2021/12/31 18:51:21] root INFO:         warmup_epoch : 5[2021/12/31 18:51:21] root INFO:     name : Adam[2021/12/31 18:51:21] root INFO:     regularizer : [2021/12/31 18:51:21] root INFO:         factor : 4e-05[2021/12/31 18:51:21] root INFO:         name : L2[2021/12/31 18:51:21] root INFO: PostProcess : [2021/12/31 18:51:21] root INFO:     name : CTCLabelDecode[2021/12/31 18:51:21] root INFO: Train : [2021/12/31 18:51:21] root INFO:     dataset : [2021/12/31 18:51:21] root INFO:         data_dir : /home/aistudio/data/data62842/train_images[2021/12/31 18:51:21] root INFO:         label_file_list : ['/home/aistudio/data/data62842/train.txt'][2021/12/31 18:51:21] root INFO:         name : SimpleDataSet[2021/12/31 18:51:21] root INFO:         transforms : [2021/12/31 18:51:21] root INFO:             DecodeImage : [2021/12/31 18:51:21] root INFO:                 channel_first : False[2021/12/31 18:51:21] root INFO:                 img_mode : BGR[2021/12/31 18:51:21] root INFO:             RecAug : None[2021/12/31 18:51:21] root INFO:             CTCLabelEncode : None[2021/12/31 18:51:21] root INFO:             RecResizeImg : [2021/12/31 18:51:21] root INFO:                 image_shape : [3, 32, 320][2021/12/31 18:51:21] root INFO:             KeepKeys : [2021/12/31 18:51:21] root INFO:                 keep_keys : ['image', 'label', 'length'][2021/12/31 18:51:21] root INFO:     loader : [2021/12/31 18:51:21] root INFO:         batch_size_per_card : 256[2021/12/31 18:51:21] root INFO:         drop_last : True[2021/12/31 18:51:21] root INFO:         num_workers : 8[2021/12/31 18:51:21] root INFO:         shuffle : True[2021/12/31 18:51:21] root INFO: profiler_options : None[2021/12/31 18:51:21] root INFO: train with paddle 2.2.1 and device CUDAPlace(0)[2021/12/31 18:51:21] root INFO: Initialize indexs of datasets:['/home/aistudio/data/data62842/val.txt']W1231 18:51:21.482865 16263 device_context.cc:447] Please NOTE: device: 0, GPU Compute Capability: 7.0, Driver API Version: 10.1, Runtime API Version: 10.1W1231 18:51:21.487445 16263 device_context.cc:465] device: 0, cuDNN Version: 7.6.[2021/12/31 18:51:26] root INFO: resume from ./output/rec_chinese_common_v2.0/best_accuracy[2021/12/31 18:51:26] root INFO: metric in ckpt ***************[2021/12/31 18:51:26] root INFO: acc:0.6035998792800241[2021/12/31 18:51:26] root INFO: norm_edit_dis:0.8053270782756357[2021/12/31 18:51:26] root INFO: fps:438.9587163608945[2021/12/31 18:51:26] root INFO: best_epoch:23[2021/12/31 18:51:26] root INFO: start_epoch:24eval model::   0%|          | 0/20 [00:00<?, ?it/s]eval model::   5%|▌         | 1/20 [00:02<00:54,  2.88s/it]eval model::  10%|█         | 2/20 [00:04<00:43,  2.42s/it]eval model::  15%|█▌        | 3/20 [00:05<00:35,  2.10s/it]eval model::  20%|██        | 4/20 [00:06<00:29,  1.87s/it]eval model::  25%|██▌       | 5/20 [00:08<00:25,  1.71s/it]eval model::  30%|███       | 6/20 [00:09<00:22,  1.60s/it]eval model::  35%|███▌      | 7/20 [00:10<00:19,  1.53s/it]eval model::  40%|████      | 8/20 [00:12<00:17,  1.48s/it]eval model::  45%|████▌     | 9/20 [00:13<00:15,  1.44s/it]eval model::  50%|█████     | 10/20 [00:15<00:14,  1.42s/it]eval model::  55%|█████▌    | 11/20 [00:16<00:12,  1.40s/it]eval model::  60%|██████    | 12/20 [00:17<00:11,  1.39s/it]eval model::  65%|██████▌   | 13/20 [00:19<00:09,  1.38s/it]eval model::  70%|███████   | 14/20 [00:20<00:08,  1.38s/it]eval model::  75%|███████▌  | 15/20 [00:21<00:06,  1.38s/it]eval model::  80%|████████  | 16/20 [00:23<00:05,  1.38s/it]eval model::  85%|████████▌ | 17/20 [00:24<00:04,  1.38s/it]eval model::  90%|█████████ | 18/20 [00:25<00:02,  1.37s/it]eval model::  95%|█████████▌| 19/20 [00:27<00:01,  1.37s/it]eval model:: 100%|██████████| 20/20 [00:28<00:00,  1.17s/it][2021/12/31 18:51:54] root INFO: metric eval ***************[2021/12/31 18:51:54] root INFO: acc:0.6035998792800241[2021/12/31 18:51:54] root INFO: norm_edit_dis:0.8053270782756357[2021/12/31 18:51:54] root INFO: fps:439.3796693669832INFO 2021-12-31 18:51:55,788 launch.py:311] Local processes completed.

七、结果预测

预测脚本使用预测训练好的模型,并将结果保存成txt格式,可以直接送到比赛提交入口测评,文件默认保存在output/rec/predicts_chinese_lite_v2.0.txt

1.提交内容与格式

本次比赛要求参赛选手必须提交使用深度学习平台飞桨(PaddlePaddle)训练的模型。参赛者要求以.txt 文本格式提交结果,其中每一行是图片名称和文字预测的结果,中间以 “t” 作为分割符,示例如下:

new_name value

0.jpg文本0

2. infer_rec.py修改

 with open(save_res_path, "w") as fout: #添加列头 fout.write('new_name' + "t" + 'value' +'n')        for file in get_image_file_list(config['Global']['infer_img']):            logger.info("infer_img: {}".format(file))            with open(file, 'rb') as f:                img = f.read()                data = {'image': img}            batch = transform(data, ops)            if config['Architecture']['algorithm'] == "SRN":                encoder_word_pos_list = np.expand_dims(batch[1], axis=0)                gsrm_word_pos_list = np.expand_dims(batch[2], axis=0)                gsrm_slf_attn_bias1_list = np.expand_dims(batch[3], axis=0)                gsrm_slf_attn_bias2_list = np.expand_dims(batch[4], axis=0)                others = [                    paddle.to_tensor(encoder_word_pos_list),                    paddle.to_tensor(gsrm_word_pos_list),                    paddle.to_tensor(gsrm_slf_attn_bias1_list),                    paddle.to_tensor(gsrm_slf_attn_bias2_list)                ]            if config['Architecture']['algorithm'] == "SAR":                valid_ratio = np.expand_dims(batch[-1], axis=0)                img_metas = [paddle.to_tensor(valid_ratio)]            images = np.expand_dims(batch[0], axis=0)            images = paddle.to_tensor(images)            if config['Architecture']['algorithm'] == "SRN":                preds = model(images, others)            elif config['Architecture']['algorithm'] == "SAR":                preds = model(images, img_metas)            else:                preds = model(images)            post_result = post_process_class(preds)            info = None            if isinstance(post_result, dict):                rec_info = dict()                for key in post_result:                    if len(post_result[key][0]) >= 2:                        rec_info[key] = {                            "label": post_result[key][0][0],                            "score": float(post_result[key][0][1]),                        }                info = json.dumps(rec_info)            else:                if len(post_result[0]) >= 2:                    info = post_result[0][0] + "t" + str(post_result[0][1])            if info is not None:                logger.info("t result: {}".format(info))                # fout.write(file + "t" + info)                # 格式化输出                fout.write(file + "t" + post_result[0][0] +'n')    logger.info("success!")

In [11]

%cd ~/PaddleOCR/# mobile模型# !python tools/infer_rec.py -c configs/rec/ch_ppocr_v2.0/rec_chinese_lite_train_v2.0.yml #     -o Global.infer_img="/home/aistudio/data/data62843/test_images" #     Global.pretrained_model="./output/rec_chinese_lite_v2.0/best_accuracy"# server模型!python tools/infer_rec.py -c configs/rec/ch_ppocr_v2.0/rec_chinese_common_train_v2.0.yml     -o Global.infer_img="/home/aistudio/data/data62843/test_images"     Global.checkpoints=./output/rec_chinese_common_v2.0/best_accuracy

预测日志

[2021/12/30 23:53:50] root INFO:  result: 萧记果点0.66611135[2021/12/30 23:53:50] root INFO: infer_img: /home/aistudio/data/data62843/test_images/9995.jpg[2021/12/30 23:53:50] root INFO:  result: 福0.1693737[2021/12/30 23:53:50] root INFO: infer_img: /home/aistudio/data/data62843/test_images/9996.jpg[2021/12/30 23:53:50] root INFO:  result: 2790.97771764[2021/12/30 23:53:50] root INFO: infer_img: /home/aistudio/data/data62843/test_images/9997.jpg[2021/12/30 23:53:50] root INFO:  result: 公牛装饰开关0.9916236[2021/12/30 23:53:50] root INFO: infer_img: /home/aistudio/data/data62843/test_images/9998.jpg[2021/12/30 23:53:50] root INFO:  result: 专酒0.118371546[2021/12/30 23:53:50] root INFO: infer_img: /home/aistudio/data/data62843/test_images/9999.jpg[2021/12/30 23:53:50] root INFO:  result: 东之家0.871051[2021/12/30 23:53:50] root INFO: success!......

八、基于预测引擎的预测

1.模型大小限制

约束性条件1:模型总大小不超过10MB(以.pdmodel和.pdiparams文件非压缩状态磁盘占用空间之和为准);

2.解决办法

训练过程中保存的模型是checkpoints模型,保存的只有模型的参数,多用于恢复训练等。实际上,此处的约束条件限制的是inference 模型的大小。inference 模型一般是模型训练,把模型结构和模型参数保存在文件中的固化模型,多用于预测部署场景。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,适合于实际系统集成,模型大小也会小一些。

In [ ]

# 静态模型导出%cd ~/PaddleOCR/# mobile模型# !python tools/export_model.py -c configs/rec/ch_ppocr_v2.0/rec_chinese_lite_train_v2.0.yml -o Global.pretrained_model=./output/rec_chinese_lite_v2.0/best_accuracy.pdparams  Global.save_inference_dir=./inference/rec_inference/# server模型!python tools/export_model.py -c configs/rec/ch_ppocr_v2.0/rec_chinese_common_v2.0.yml -o Global.pretrained_model=./output/rec_chinese_common_train_v2.0/best_accuracy.pdparams  Global.save_inference_dir=./inference/rec_inference/
/home/aistudio/PaddleOCRW1230 23:54:48.747483 13346 device_context.cc:447] Please NOTE: device: 0, GPU Compute Capability: 7.0, Driver API Version: 11.0, Runtime API Version: 10.1W1230 23:54:48.752360 13346 device_context.cc:465] device: 0, cuDNN Version: 7.6.[2021/12/30 23:54:52] root INFO: load pretrain successful from ./output/rec_chinese_lite_v2.0/best_accuracy[2021/12/30 23:54:54] root INFO: inference model is saved to ./inference/rec_inference/inference

In [ ]

%cd ~/PaddleOCR/!du -sh ./inference/rec_inference/
/home/aistudio/PaddleOCR5.2M./inference/rec_inference/

可以看到,当前训练使用的CRNN算法导出inference后,仅有5.2M。导出的inference模型也可以用来预测,预测逻辑如下代码所示。In [ ]

# 使用导出静态模型预测%cd ~/PaddleOCR/!python3.7 tools/infer/predict_rec.py  --rec_model_dir=./inference/rec_inference/  --image_dir="/home/aistudio/data/A榜测试数据集/TestAImages"

预测日志

[2021/12/30 13:20:08] root INFO: Predicts of /home/aistudio/data/A榜测试数据集/TestAImages/TestA_000001.jpg:('MJ', 0.2357887)[2021/12/30 13:20:08] root INFO: Predicts of /home/aistudio/data/A榜测试数据集/TestAImages/TestA_000002.jpg:('中门', 0.7167614)[2021/12/30 13:20:08] root INFO: Predicts of /home/aistudio/data/A榜测试数据集/TestAImages/TestA_000003.jpg:('黄焖鸡米饭', 0.7325407)[2021/12/30 13:20:08] root INFO: Predicts of /home/aistudio/data/A榜测试数据集/TestAImages/TestA_000004.jpg:('加行', 0.06699998)[2021/12/30 13:20:08] root INFO: Predicts of /home/aistudio/data/A榜测试数据集/TestAImages/TestA_000005.jpg:('学商烤面航', 0.40579563)[2021/12/30 13:20:08] root INFO: Predicts of /home/aistudio/data/A榜测试数据集/TestAImages/TestA_000006.jpg:('绿村装机 滋光彩机 CP口出国', 0.38243735)[2021/12/30 13:20:08] root INFO: Predicts of /home/aistudio/data/A榜测试数据集/TestAImages/TestA_000007.jpg:('有酸锁 四好吃', 0.38957664)[2021/12/30 13:20:08] root INFO: Predicts of /home/aistudio/data/A榜测试数据集/TestAImages/TestA_000008.jpg:('婚汽中海', 0.36037388)[2021/12/30 13:20:08] root INFO: Predicts of /home/aistudio/data/A榜测试数据集/TestAImages/TestA_000009.jpg:('L', 0.25453746)[2021/12/30 13:20:08] root INFO: Predicts of /home/aistudio/data/A榜测试数据集/TestAImages/TestA_000010.jpg:('清女装', 0.79736567)[2021/12/30 13:20:08] root INFO: Predicts of /home/aistudio/data/A榜测试数据集/TestAImages/TestA_000011.jpg:('幼小数学视食', 0.50577885)......

九、提交

预测结果保存到配置文件指定的 output/rec/predicts_chinese_lite_v2.0.txt文件,可直接提交即可。

In [12]

%cd ~!head PaddleOCR/output/rec/predicts_chinese_common_v2.0.txt
/home/aistudionew_namevalue0.jpg邦佳洗衣1.jpg不锈钢配件大全10.jpg诊疗科目:中医科100.jpg2101000.jpg电线电缆等1001.jpg201002.jpg进口滤纸 专业制造1003.jpg15065401004.jpgiWoW

1.mobile模型

飞桨常规赛:中文场景文字识别- 12月第8名方案 - 创想鸟

2.server模型

飞桨常规赛:中文场景文字识别- 12月第8名方案 - 创想鸟

大家可以再处理处理,优化优化,多跑几轮。

以上就是飞桨常规赛:中文场景文字识别- 12月第8名方案的详细内容,更多请关注创想鸟其它相关文章!

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 chuangxiangniao@163.com 举报,一经查实,本站将立刻删除。
发布者:程序猿,转转请注明出处:https://www.chuangxiangniao.com/p/49905.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
Node MySQL Sequelize 事务无法回滚:如何解决 MyISAM 存储引擎问题?
上一篇 2025年11月8日 14:24:08
如何设置淘宝客推广计划?有哪些常见的推广计划类型?三大计划类型解析+五步落地指南,佣金流量双赢引爆转化!
下一篇 2025年11月8日 14:26:10

相关推荐

  • composer require-dev和require有什么不同_Composer Require与Require-Dev区别解析

    require用于声明项目运行必需的依赖,如框架、数据库组件和第三方SDK,这些包会随项目部署到生产环境;2. require-dev用于声明仅在开发和测试阶段需要的工具,如PHPUnit、PHPStan、Faker等,不会默认部署到生产环境;3. 安装时composer install根据环境决定…

    2026年5月10日
    1000
  • 修复Django电商项目中AJAX过滤产品列表图片不显示问题

    在Django电商项目中,当使用AJAX动态加载过滤后的产品列表时,常遇到图片无法正常显示的问题。这通常是由于前端模板中图片加载方式(如data-setbg属性结合JavaScript库)与AJAX动态内容更新机制不兼容所致。解决方案是直接在AJAX返回的HTML中使用标准的标签来渲染图片,确保浏览…

    2026年5月10日
    000
  • 开源免费PHP工具 PHP开发效率提升利器

    推荐开源免费PHP开发工具以提升效率:VS Code、Sublime Text轻量高效,PhpStorm专业强大;调试用Xdebug、Kint、Ray;依赖管理选Composer;代码质量工具包括PHPStan、Psalm、PHP_CodeSniffer;数据库管理可用%ignore_a_1%MyA…

    2026年5月10日
    000
  • Matplotlib 地图中多类型图例的创建与优化

    Matplotlib 地图中多类型图例的创建与优化Matplotlib 地图中多类型图例的创建与优化Matplotlib 地图中多类型图例的创建与优化Matplotlib 地图中多类型图例的创建与优化

    本教程旨在解决matplotlib地图可视化中,如何在一个图例中同时展示颜色块(如区域分类)和自定义标记(如特定兴趣点)的问题。文章详细介绍了当传统`patch`对象无法正确显示标记时,如何利用`matplotlib.lines.line2d`创建标记图例句柄,并将其与颜色块图例句柄合并,从而生成一…

    2026年5月10日 用户投稿
    100
  • Golang JSON序列化:控制敏感字段暴露的最佳实践

    本教程探讨golang中如何高效控制结构体字段在json序列化时的可见性。当需要将包含敏感信息的结构体数组转换为json响应时,通过利用`encoding/json`包提供的结构体标签,特别是`json:”-“`,可以轻松实现对特定字段的忽略,从而避免敏感数据泄露,确保api…

    2026年5月10日
    000
  • 利用海象运算符简化条件赋值:Python教程与最佳实践

    本文旨在探讨Python中海象运算符(:=)在条件赋值场景下的应用。通过对比传统if/else语句与海象运算符,以及条件表达式,分析海象运算符在简化代码、提高可读性方面的优势与局限性。并通过具体示例,展示如何在列表推导式等场景下合理使用海象运算符,同时强调其潜在的复杂性及替代方案,帮助开发者更好地掌…

    2026年5月10日
    100
  • Debian syslog性能优化技巧有哪些

    提升Debian系统syslog (通常基于rsyslog)性能,关键在于精简配置和高效处理日志。以下策略能有效优化日志管理,提升系统整体性能: 精简配置,高效加载: 在rsyslog配置文件中,仅加载必要的输入、输出和解析模块。 使用全局指令设置日志级别和格式,避免不必要的处理。 自定义模板: 创…

    2026年5月10日
    000
  • 比特币新手教程 比特币交易平台有哪些

    比特币是一种去中心化的数字货币,基于区块链技术实现点对点交易,具有匿名性、有限发行和不可篡改等特点;新手可通过交易所购买,P2P交易获得比特币,常用平台包括Binance、OKX和Huobi;交易流程包括注册账户、实名认证、绑定支付方式、充值法币并下单购买,可选择市价单或限价单;比特币存储方式有交易…

    2026年5月10日
    000
  • c++中的SFINAE技术是什么_c++模板编程中的SFINAE原理与应用

    SFINAE 是“替换失败不是错误”的原则,指模板实例化时若参数替换导致错误,只要存在其他合法候选,编译器不报错而是继续重载决议。它用于条件启用模板、类型检测等场景,如通过 decltype 或 enable_if 控制函数重载,实现类型特征判断。尽管 C++20 引入 Concepts 简化了部分…

    2026年5月10日
    000
  • Go语言mgo查询构建:深入理解bson.M与日期范围查询的正确实践

    本文旨在解决go语言mgo库中构建复杂查询时,特别是涉及嵌套`bson.m`和日期范围筛选的常见错误。我们将深入剖析`bson.m`的类型特性,解释为何直接索引`interface{}`会导致“invalid operation”错误,并提供一种推荐的、结构清晰的代码重构方案,以确保查询条件能够正确…

    2026年5月10日
    100
  • vscode上怎么运行html_vscode上运行html步骤【指南】

    首先保存文件为.html格式,再通过浏览器或Live Server插件打开预览;推荐安装Live Server实现本地服务器运行与实时刷新,提升开发体验。 在 VS Code 上运行 HTML 文件并不需要复杂的配置,只需几个简单步骤即可预览页面效果。VS Code 本身是一个代码编辑器,不直接运行…

    2026年5月10日
    100
  • RichHandler与Rich Progress集成:解决显示冲突的教程

    在使用rich库的`richhandler`进行日志输出并同时使用`progress`组件时,可能会遇到显示错乱或溢出问题。这通常是由于为`richhandler`和`progress`分别创建了独立的`console`实例导致的。解决方案是确保日志处理器和进度条组件共享同一个`console`实例…

    2026年5月10日
    000
  • 修复点击时按钮抖动:CSS垂直对齐实践

    本文探讨了在Web开发中,交互式按钮(如播放/暂停按钮)在点击时发生意外垂直位移的问题。通过分析CSS样式变化对元素布局的影响,我们发现这是由于按钮不同状态下的边框样式和内边距改变,以及默认的垂直对齐行为共同作用所致。核心解决方案是利用CSS的vertical-align属性,将其设置为middle…

    2026年5月10日
    100
  • Golang goroutine与channel调试技巧

    使用go run -race检测数据竞争,结合runtime.NumGoroutine监控协程数量,通过pprof分析阻塞调用栈,利用select超时避免永久阻塞,有效排查goroutine泄漏、死锁和数据竞争问题。 Go语言的goroutine和channel是并发编程的核心,但它们也带来了调试上…

    2026年5月10日
    000
  • 使用 Jupyter Notebook 进行探索性数据分析

    Jupyter Notebook通过单元格实现代码与Markdown结合,支持数据导入(pandas)、清洗(fillna)、探索(matplotlib/seaborn可视化)、统计分析(describe/corr)和特征工程,便于记录与分享分析过程。 Jupyter Notebook 是进行探索性…

    2026年5月10日
    000
  • 《魔兽世界》将于6月11日开启国服回归技术测试

    《魔兽世界》将于6月11日开启国服回归技术测试《魔兽世界》将于6月11日开启国服回归技术测试《魔兽世界》将于6月11日开启国服回归技术测试《魔兽世界》将于6月11日开启国服回归技术测试

    《%ign%ignore_a_1%re_a_1%》官方宣布,将于6月11日开启国服回归技术测试,时间为7天,并称可以在6月内正式开服,玩家们可以访问官网下载战网客户端并预下载“巫妖王之怒”客户端,技术测试详情见下图。 WordAi WordAI是一个AI驱动的内容重写平台 53 查看详情 以上就是《…

    2026年5月10日 用户投稿
    200
  • php常量怎么用_PHP常量(define/const)定义与使用方法

    PHP中可通过define函数和const关键字定义常量,用于存储不可变值。define适用于全局作用域,支持动态名称和条件定义,如define(‘SITE_NAME’, ‘MyWebsite’);const在编译时生效,语法简洁但限制多,只能在类或全…

    2026年5月10日
    000
  • 如何在HTML中插入表单元素_HTML表单控件与输入类型使用指南

    HTML表单通过标签构建,包含action和method属性定义数据提交目标与方式,常用input类型如text、password、email等适配不同输入需求,配合label、required、placeholder提升可用性,结合textarea、select、button等控件实现完整交互,是…

    2026年5月10日
    100
  • 前端缓存策略与JavaScript存储管理

    根据数据特性选择合适的存储方式并制定清晰的读写与清理逻辑,能显著提升前端性能;合理运用Cookie、localStorage、sessionStorage、IndexedDB及Cache API,结合缓存策略与定期清理机制,可在保证用户体验的同时避免安全与性能隐患。 前端缓存和JavaScript存…

    2026年5月10日
    200
  • 网站标题关键词更新后,搜索引擎为何仍显示旧标题?

    网站标题更新后,搜索引擎为何显示旧标题? 网站SEO优化中,站长常修改网站标题关键词,期望搜索结果显示自定义标题。然而,即使更新标签、meta keywords、meta description和结构化数据中的name属性后,搜索结果仍显示旧标题,这令人费解。本文将对此进行解释。 问题:站长修改了网…

    2026年5月10日
    100

发表回复

登录后才能评论
关注微信