mirror of
https://github.com/PaddlePaddle/PaddleOCR.git
synced 2025-07-14 12:31:04 +00:00
113 lines
4.0 KiB
Markdown
113 lines
4.0 KiB
Markdown
# SPIN: Structure-Preserving Inner Offset Network for Scene Text Recognition
|
||
|
||
- [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：
|
||
> [SPIN: Structure-Preserving Inner Offset Network for Scene Text Recognition](https://arxiv.org/abs/2005.13117)
|
||
> Chengwei Zhang, Yunlu Xu, Zhanzhan Cheng, Shiliang Pu, Yi Niu, Fei Wu, Futai Zou
|
||
> AAAI, 2020
|
||
|
||
SPIN收录于AAAI2020。主要用于OCR识别任务。在任意形状文本识别中，矫正网络是一种较为常见的前置处理模块，但诸如RARE\ASTER\ESIR等只考虑了空间变换，并没有考虑色度变换。本文提出了一种结构Structure-Preserving Inner Offset Network (SPIN)，可以在色彩空间上进行变换。该模块是可微分的，可以加入到任意识别器中。
|
||
使用MJSynth和SynthText两个合成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|Acc|下载链接|
|
||
| --- | --- | --- | --- | --- |
|
||
|SPIN|ResNet32|[rec_r32_gaspin_bilstm_att.yml](../../configs/rec/rec_r32_gaspin_bilstm_att.yml)|90.00%|[训练模型](https://paddleocr.bj.bcebos.com/contribution/rec_r32_gaspin_bilstm_att.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。
|
||
|
||
训练
|
||
|
||
具体地，在完成数据准备后，便可以启动训练，训练命令如下：
|
||
|
||
```
|
||
#单卡训练（训练周期长，不建议）
|
||
python3 tools/train.py -c configs/rec/rec_r32_gaspin_bilstm_att.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_r32_gaspin_bilstm_att.yml
|
||
```
|
||
|
||
评估
|
||
|
||
```
|
||
# GPU 评估， Global.pretrained_model 为待测权重
|
||
python3 -m paddle.distributed.launch --gpus '0' tools/eval.py -c configs/rec/rec_r32_gaspin_bilstm_att.yml -o Global.pretrained_model={path/to/weights}/best_accuracy
|
||
```
|
||
|
||
预测：
|
||
|
||
```
|
||
# 预测使用的配置文件必须与训练一致
|
||
python3 tools/infer_rec.py -c configs/rec/rec_r32_gaspin_bilstm_att.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SPIN文本识别训练过程中保存的模型，转换成inference model。可以使用如下命令进行转换：
|
||
|
||
```
|
||
python3 tools/export_model.py -c configs/rec/rec_r32_gaspin_bilstm_att.yml -o Global.pretrained_model={path/to/weights}/best_accuracy Global.save_inference_dir=./inference/rec_r32_gaspin_bilstm_att
|
||
```
|
||
SPIN文本识别模型推理，可以执行如下命令：
|
||
|
||
```
|
||
python3 tools/infer/predict_rec.py --image_dir="./doc/imgs_words/en/word_1.png" --rec_model_dir="./inference/rec_r32_gaspin_bilstm_att/" --rec_image_shape="3, 32, 100" --rec_algorithm="SPIN" --rec_char_dict_path="/ppocr/utils/dict/spin_dict.txt" --use_space_char=Falsee
|
||
```
|
||
|
||
<a name="4-2"></a>
|
||
### 4.2 C++推理
|
||
|
||
由于C++预处理后处理还未支持SPIN，所以暂未支持
|
||
|
||
<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
|
||
|
||
暂不支持
|
||
|
||
<a name="5"></a>
|
||
## 5. FAQ
|
||
|
||
|
||
## 引用
|
||
|
||
```bibtex
|
||
@article{2020SPIN,
|
||
title={SPIN: Structure-Preserving Inner Offset Network for Scene Text Recognition},
|
||
author={Chengwei Zhang and Yunlu Xu and Zhanzhan Cheng and Shiliang Pu and Yi Niu and Fei Wu and Futai Zou},
|
||
journal={AAAI2020},
|
||
year={2020},
|
||
}
|
||
```
|