mirror of
https://github.com/PaddlePaddle/PaddleOCR.git
synced 2025-07-03 07:03:53 +00:00
124 lines
4.1 KiB
Markdown
124 lines
4.1 KiB
Markdown
# Rosetta
|
||
|
||
- [1. 算法简介](#1)
|
||
- [2. 环境配置](#2)
|
||
- [3. 模型训练、评估、预测](#3)
|
||
- [3.1 训练](#3-1)
|
||
- [3.2 评估](#3-2)
|
||
- [3.3 预测](#3-3)
|
||
- [4. 推理部署](#4)
|
||
- [4.1 Python推理](#4-1)
|
||
- [4.2 C++推理](#4-2)
|
||
- [4.3 Serving服务化部署](#4-3)
|
||
- [4.4 更多推理部署](#4-4)
|
||
- [5. FAQ](#5)
|
||
|
||
<a name="1"></a>
|
||
## 1. 算法简介
|
||
|
||
论文信息：
|
||
> [Rosetta: Large Scale System for Text Detection and Recognition in Images](https://arxiv.org/abs/1910.05085)
|
||
> Borisyuk F , Gordo A , V Sivakumar
|
||
> KDD, 2018
|
||
|
||
使用MJSynth和SynthText两个文字识别数据集训练，在IIIT, SVT, IC03, IC13, IC15, SVTP, CUTE数据集上进行评估， 算法复现效果如下：
|
||
|
||
|模型|骨干网络|配置文件|Avg Accuracy|下载链接|
|
||
| --- | --- | --- | --- | --- |
|
||
|Rosetta|Resnet34_vd|[configs/rec/rec_r34_vd_none_none_ctc.yml](../../configs/rec/rec_r34_vd_none_none_ctc.yml)|79.11%|[训练模型](https://paddleocr.bj.bcebos.com/dygraph_v2.0/en/rec_r34_vd_none_none_ctc_v2.0_train.tar)|
|
||
|Rosetta|MobileNetV3|[configs/rec/rec_mv3_none_none_ctc.yml](../../configs/rec/rec_mv3_none_none_ctc.yml)|75.80%|[训练模型](https://paddleocr.bj.bcebos.com/dygraph_v2.0/en/rec_mv3_none_none_ctc_v2.0_train.tar)|
|
||
|
||
|
||
<a name="2"></a>
|
||
## 2. 环境配置
|
||
请先参考[《运行环境准备》](./environment.md)配置PaddleOCR运行环境，参考[《项目克隆》](./clone.md)克隆项目代码。
|
||
|
||
|
||
<a name="3"></a>
|
||
## 3. 模型训练、评估、预测
|
||
|
||
请参考[文本识别训练教程](./recognition.md)。PaddleOCR对代码进行了模块化，训练不同的识别模型只需要**更换配置文件**即可。 以基于Resnet34_vd骨干网络为例:
|
||
|
||
<a name="3-1"></a>
|
||
### 3.1 训练
|
||
|
||
```
|
||
#单卡训练（训练周期长，不建议）
|
||
python3 tools/train.py -c configs/rec/rec_r34_vd_none_none_ctc.yml
|
||
#多卡训练，通过--gpus参数指定卡号
|
||
python3 -m paddle.distributed.launch --gpus '0,1,2,3' tools/train.py -c configs/rec/rec_r34_vd_none_none_ctc.yml
|
||
```
|
||
|
||
<a name="3-2"></a>
|
||
### 3.2 评估
|
||
|
||
```
|
||
# GPU评估, Global.pretrained_model为待评估模型
|
||
python3 -m paddle.distributed.launch --gpus '0' tools/eval.py -c configs/rec/rec_r34_vd_none_none_ctc.yml -o Global.pretrained_model={path/to/weights}/best_accuracy
|
||
```
|
||
|
||
<a name="3-3"></a>
|
||
### 3.3 预测
|
||
|
||
```
|
||
python3 tools/infer_rec.py -c configs/rec/rec_r34_vd_none_none_ctc.yml -o Global.pretrained_model={path/to/weights}/best_accuracy Global.infer_img=doc/imgs_words/en/word_1.png
|
||
```
|
||
|
||
|
||
<a name="4"></a>
|
||
## 4. 推理部署
|
||
|
||
<a name="4-1"></a>
|
||
### 4.1 Python推理
|
||
首先将Rosetta文本识别训练过程中保存的模型，转换成inference model。以基于Resnet34_vd骨干网络，在MJSynth和SynthText两个文字识别数据集训练得到的模型为例（ [模型下载地址](https://paddleocr.bj.bcebos.com/dygraph_v2.0/en/rec_r34_vd_none_none_ctc_v2.0_train.tar) )，可以使用如下命令进行转换：
|
||
|
||
```shell
|
||
python3 tools/export_model.py -c configs/rec/rec_r34_vd_none_none_ctc.yml -o Global.pretrained_model=./rec_r34_vd_none_none_ctc_v2.0_train/best_accuracy Global.save_inference_dir=./inference/rec_rosetta
|
||
```
|
||
|
||
Rosetta文本识别模型推理，可以执行如下命令：
|
||
|
||
```shell
|
||
python3 tools/infer/predict_rec.py --image_dir="doc/imgs_words/en/word_1.png" --rec_model_dir="./inference/rec_rosetta/" --rec_image_shape="3, 32, 100" --rec_char_dict_path="./ppocr/utils/ic15_dict.txt"
|
||
```
|
||
|
||
推理结果如下所示：
|
||
|
||
|
||
|
||
```
|
||
Predicts of doc/imgs_words/en/word_1.png:('joint', 0.9999982714653015)
|
||
```
|
||
|
||
<a name="4-2"></a>
|
||
### 4.2 C++推理
|
||
|
||
暂不支持
|
||
|
||
<a name="4-3"></a>
|
||
### 4.3 Serving服务化部署
|
||
|
||
暂不支持
|
||
|
||
<a name="4-4"></a>
|
||
### 4.4 更多推理部署
|
||
|
||
Rosetta模型还支持以下推理部署方式：
|
||
|
||
- Paddle2ONNX推理：准备好推理模型后，参考[paddle2onnx](../../deploy/paddle2onnx/)教程操作。
|
||
|
||
<a name="5"></a>
|
||
## 5. FAQ
|
||
|
||
|
||
## 引用
|
||
|
||
```bibtex
|
||
@inproceedings{2018Rosetta,
|
||
title={Rosetta: Large Scale System for Text Detection and Recognition in Images},
|
||
author={ Borisyuk, Fedor and Gordo, Albert and Sivakumar, Viswanath },
|
||
booktitle={the 24th ACM SIGKDD International Conference},
|
||
year={2018},
|
||
}
|
||
```
|