fix problems responding to inference

README.md

@@ -15,39 +15,63 @@ PaddleOCR旨在打造一套丰富、领先、且实用的OCR工具库，助力
 
 ## 文档教程
 - [快速安装](./doc/installation.md)
-- [快速开始]()
 - [文本识别模型训练/评估/预测](./doc/detection.md)
 - [文本预测模型训练/评估/预测](./doc/recognition.md)
 - [基于inference model预测](./doc/)
 
+### **快速开始**
+
+下载inference模型
+```
+# 创建inference模型保存目录
+mkdir inference && cd inference && mkdir det && mkdir rec
+# 下载检测inference模型
+wget -P ./inference/det 检测inference模型链接
+# 下载识别inference模型
+wget -P ./inferencee/rec 识别inference模型链接
+```
+
+实现文本检测、识别串联推理，预测$image_dir$指定的单张图像：
+```
+export PYTHONPATH=.
+python tools/infer/predict_eval.py --image_dir="/Demo.jpg" --det_model_dir="./inference/det/"  --rec_model_dir="./inference/rec/"
+```
+在执行预测时，通过参数det_model_dir以及rec_model_dir设置存储inference 模型的路径。
+
+实现文本检测、识别串联推理，预测$image_dir$指指定文件夹下的所有图像：
+```
+python tools/infer/predict_eval.py --image_dir="/test_imgs/" --det_model_dir="./inference/det/"  --rec_model_dir="./inference/rec/"
+```
+
+
 
 ## 文本检测算法:
 
 PaddleOCR开源的文本检测算法列表：
-- [x] [EAST](https://arxiv.org/abs/1704.03155)
+- [x]  [EAST](https://arxiv.org/abs/1704.03155)
-- [x] [DB](https://arxiv.org/abs/1911.08947)
+- [x]  [DB](https://arxiv.org/abs/1911.08947)
-- [x] [SAST](https://arxiv.org/abs/1908.05498)
+- [ ]  [SAST](https://arxiv.org/abs/1908.05498)
-- []
 
 
 算法效果：
 |模型|骨干网络|Hmean|
 |-|-|-|
-|EAST^[1]^|ResNet50_vd|85.85%|
+|EAST|ResNet50_vd|85.85%|
-|EAST^[1]^|MobileNetV3|79.08%|
+|EAST|MobileNetV3|79.08%|
-|DB^[2]^|ResNet50_vd|83.30%|
+|DB|ResNet50_vd|83.30%|
-|DB^[2]^|MobileNetV3|73.00%|
+|DB|MobileNetV3|73.00%|
 
 PaddleOCR文本检测算法的训练与使用请参考[文档](./doc/detection.md)。
 
 ## 文本识别算法:
 
 PaddleOCR开源的文本识别算法列表：
-- [CRNN](https://arxiv.org/abs/1507.05717)
+- [x]  [CRNN](https://arxiv.org/abs/1507.05717)
-- [Rosetta](https://arxiv.org/abs/1910.05085)
+- [x]  [DTRB](https://arxiv.org/abs/1904.01906)
-- [STAR-Net](http://www.bmva.org/bmvc/2016/papers/paper043/index.html)
+- [ ]  [Rosetta](https://arxiv.org/abs/1910.05085)
-- [RARE](https://arxiv.org/abs/1603.03915v1)
+- [ ]  [STAR-Net](http://www.bmva.org/bmvc/2016/papers/paper043/index.html)
-- [SRN]((https://arxiv.org/abs/2003.12294))(百度自研)
+- [ ]  [RARE](https://arxiv.org/abs/1603.03915v1)
+- [ ]  [SRN]((https://arxiv.org/abs/2003.12294))(百度自研)
 
 算法效果如下表所示，精度指标是在IIIT, SVT, IC03, IC13, IC15, SVTP, CUTE数据集上的评测结果的平均值。
 
@@ -67,7 +91,7 @@ PaddleOCR文本识别算法的训练与使用请参考[文档](./doc/recognition
 ## TODO
 **端到端OCR算法**
 PaddleOCR即将开源百度自研端对端OCR模型[End2End-PSL](https://arxiv.org/abs/1909.07808)，敬请关注。
-- End2End-PSL (comming soon)
+- [ ]  End2End-PSL (comming soon)
 
 
 

configs/det/det_db_mv3.yml

@@ -14,6 +14,7 @@ Global:
   pretrain_weights: ./pretrain_models/MobileNetV3_pretrained/MobileNetV3_large_x0_5_pretrained/
   checkpoints:
   save_res_path: ./output/predicts_db.txt
+  save_inference_dir:
   
 Architecture:
   function: ppocr.modeling.architectures.det_model,DetModel

doc/inference.md

@@ -0,0 +1,58 @@
+
+# 基于inference model的推理
+
+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。
+
+PaddleOCR提供了将checkpoints转换成inference model的实现。
+
+
+## 文本检测模型推理
+
+将文本检测模型训练过程中保存的模型，转换成inference model，可以使用如下命令：
+
+```
+python tools/export_model.py -c configs/det/det_db_mv3.yml -o Global.checkpoints="./output/best_accuracy" \
+        Global.save_inference_dir="./inference/det/"
+```
+
+推理模型保存在$./inference/det/model$, $./inference/det/params$
+
+使用保存的inference model实现在单张图像上的预测：
+
+```
+python  tools/infer/predict_det.py --image_dir="/demo.jpg" --det_model_dir="./inference/det/"
+```
+
+
+## 文本识别模型推理
+
+将文本识别模型训练过程中保存的模型，转换成inference model，可以使用如下命令：
+
+```
+python tools/export_model.py -c configs/rec/rec_chinese_lite_train.yml -o Global.checkpoints="./output/best_accuracy" \
+        Global.save_inference_dir="./inference/rec/"
+```
+
+推理模型保存在$./inference/rec/model$, $./inference/rec/params$
+
+使用保存的inference model实现在单张图像上的预测：
+
+```
+python  tools/infer/predict_rec.py --image_dir="/demo.jpg" --rec_model_dir="./inference/rec/"
+```
+
+## 文本检测、识别串联推理
+
+实现文本检测、识别串联推理，预测$image_dir$指定的单张图像：
+```
+python tools/infer/predict_eval.py --image_dir="/Demo.jpg" --det_model_dir="./inference/det/"  --rec_model_dir="./inference/rec/"
+```
+
+实现文本检测、识别串联推理，预测$image_dir$指指定文件夹下的所有图像：
+
+```
+python tools/infer/predict_eval.py --image_dir="/test_imgs/" --det_model_dir="./inference/det/"  --rec_model_dir="./inference/rec/"
+```

ppocr/data/det/dataset_traversal.py

@@ -22,7 +22,7 @@ import string
 from ppocr.utils.utility import initial_logger
 logger = initial_logger()
 from ppocr.utils.utility import create_module
-from tools.infer.utility import get_image_file_list
+from ppocr.utils.utility import get_image_file_list
 import time
 
 

ppocr/utils/utility.py

@@ -13,6 +13,7 @@
 # limitations under the License.
 
 import logging
+import os
 
 
 def initial_logger():
@@ -55,6 +56,23 @@ def get_check_reader_params(mode):
     return check_params
 
 
+def get_image_file_list(img_file):
+    imgs_lists = []
+    if img_file is None or not os.path.exists(img_file):
+        raise Exception("not found any img file in {}".format(img_file))
+
+    img_end = ['jpg', 'png', 'jpeg', 'JPEG', 'JPG', 'bmp']
+    if os.path.isfile(img_file) and img_file.split('.')[-1] in img_end:
+        imgs_lists.append(img_file)
+    elif os.path.isdir(img_file):
+        for single_file in os.listdir(img_file):
+            if single_file.split('.')[-1] in img_end:
+                imgs_lists.append(os.path.join(img_file, single_file))
+    if len(imgs_lists) == 0:
+        raise Exception("not found any img file in {}".format(img_file))
+    return imgs_lists
+
+
 from paddle import fluid
 
 

tools/export_model.py

@@ -71,14 +71,19 @@ def main():
 
     init_model(config, eval_program, exe)
 
+    save_inference_dir = config['Global']['save_inference_dir']
+    if not os.path.exists(save_inference_dir):
+        os.makedirs(save_inference_dir)
     fluid.io.save_inference_model(
-        dirname="./output/",
+        dirname=save_inference_dir,
         feeded_var_names=feeded_var_names,
         main_program=eval_program,
         target_vars=target_vars,
         executor=exe,
         model_filename='model',
         params_filename='params')
+    print("inference model saved in {}/model and {}/params".format(
+        save_inference_dir, save_inference_dir))
     print("save success, output_name_list:", fetches_var_name)
 
 

tools/infer/utility.py

@@ -61,23 +61,6 @@ def parse_args():
     return parser.parse_args()
 
 
-def get_image_file_list(img_file):
-    imgs_lists = []
-    if img_file is None or not os.path.exists(img_file):
-        raise Exception("not found any img file in {}".format(img_file))
-
-    img_end = ['jpg', 'png', 'jpeg', 'JPEG', 'JPG', 'bmp']
-    if os.path.isfile(img_file) and img_file.split('.')[-1] in img_end:
-        imgs_lists.append(img_file)
-    elif os.path.isdir(img_file):
-        for single_file in os.listdir(img_file):
-            if single_file.split('.')[-1] in img_end:
-                imgs_lists.append(os.path.join(img_file, single_file))
-    if len(imgs_lists) == 0:
-        raise Exception("not found any img file in {}".format(img_file))
-    return imgs_lists
-
-
 def create_predictor(args, mode):
     if mode == "det":
         model_dir = args.det_model_dir