mirror of
https://github.com/PaddlePaddle/PaddleOCR.git
synced 2025-09-11 17:21:56 +00:00
661f41d484
* Updated Recognition Competition Model Link * Updated Recognition Competition Model Link * Updated Recognition Competition Model Link
151 lines
6.7 KiB
Markdown
151 lines
6.7 KiB
Markdown
# 场景文本识别算法-SVTRv2
|
||
|
||
- [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
|
||
|
||
### SVTRv2算法简介
|
||
|
||
<a name="1"></a>
|
||
🔥 该算法由来自复旦大学视觉与学习实验室([FVL](https://fvl.fudan.edu.cn))的[OpenOCR](https://github.com/Topdu/OpenOCR)团队研发，其在[PaddleOCR算法模型挑战赛 - 赛题一：OCR端到端识别任务](https://aistudio.baidu.com/competition/detail/1131/0/introduction)中荣获一等奖，B榜端到端识别精度相比PP-OCRv4提升2.5%，推理速度持平。主要思路：1、检测和识别模型的Backbone升级为RepSVTR；2、识别教师模型升级为SVTRv2，可识别长文本。
|
||
|
||
|模型|配置文件|端到端|下载链接|
|
||
| --- | --- | --- | --- |
|
||
|PP-OCRv4| |A榜 62.77% <br> B榜 62.51%| [Model List](../../doc/doc_ch/models_list.md) |
|
||
|SVTRv2(Rec Sever)|[configs/rec/SVTRv2/rec_svtrv2_ch.yml](../../configs/rec/SVTRv2/rec_svtrv2_ch.yml)|A榜 68.81% (使用PP-OCRv4检测模型)| [训练模型](https://paddleocr.bj.bcebos.com/openatom/openatom_rec_svtrv2_ch_train.tar) / [推理模型](https://paddleocr.bj.bcebos.com/openatom/openatom_rec_svtrv2_ch_infer.tar) |
|
||
|RepSVTR(Mobile)|[识别](../../configs/rec/SVTRv2/rec_repsvtr_ch.yml) <br> [识别蒸馏](../../configs/rec/SVTRv2/rec_svtrv2_ch_distillation.yml) <br> [检测](../../configs/det/det_repsvtr_db.yml)|B榜 65.07%| 识别: [训练模型](https://paddleocr.bj.bcebos.com/openatom/openatom_rec_repsvtr_ch_train.tar) / [推理模型](https://paddleocr.bj.bcebos.com/openatom/openatom_rec_repsvtr_ch_infer.tar) <br> 识别蒸馏: [训练模型](https://paddleocr.bj.bcebos.com/openatom/openatom_rec_svtrv2_distill_ch_train.tar) / [推理模型](https://paddleocr.bj.bcebos.com/openatom/openatom_rec_svtrv2_distill_ch_infer.tar) <br> 检测: [训练模型](https://paddleocr.bj.bcebos.com/openatom/openatom_det_repsvtr_ch_train.tar) / [推理模型](https://paddleocr.bj.bcebos.com/openatom/openatom_det_repsvtr_ch_infer.tar) |
|
||
|
||
🚀 快速使用：参考PP-OCR推理[说明文档](../../doc/doc_ch/inference_ppocr.md)，将检测和识别模型替换为上表中对应的RepSVTR或SVTRv2推理模型即可使用。
|
||
|
||
<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
|
||
|
||
<a name="3-1"></a>
|
||
### 3.1 模型训练
|
||
|
||
|
||
训练命令：
|
||
```shell
|
||
#单卡训练（训练周期长，不建议）
|
||
python3 tools/train.py -c configs/rec/SVTRv2/rec_repsvtr_gtc.yml
|
||
|
||
#多卡训练，通过--gpus参数指定卡号
|
||
# Rec 学生模型
|
||
python -m paddle.distributed.launch --gpus '0,1,2,3,4,5,6,7' tools/train.py -c configs/rec/SVTRv2/rec_repsvtr_gtc.yml
|
||
# Rec 教师模型
|
||
python -m paddle.distributed.launch --gpus '0,1,2,3,4,5,6,7' tools/train.py -c configs/rec/SVTRv2/rec_svtrv2_gtc.yml
|
||
# Rec 蒸馏训练
|
||
python -m paddle.distributed.launch --gpus '0,1,2,3,4,5,6,7' tools/train.py -c configs/rec/SVTRv2/rec_svtrv2_gtc_distill.yml
|
||
```
|
||
|
||
<a name="3-2"></a>
|
||
### 3.2 评估
|
||
|
||
|
||
```shell
|
||
# 注意将pretrained_model的路径设置为本地路径。
|
||
python3 -m paddle.distributed.launch --gpus '0' tools/eval.py -c configs/rec/SVTRv2/rec_repsvtr_gtc.yml -o Global.pretrained_model=output/rec_repsvtr_gtc/best_accuracy
|
||
```
|
||
|
||
<a name="3-3"></a>
|
||
### 3.3 预测
|
||
|
||
使用如下命令进行单张图片预测：
|
||
```shell
|
||
# 注意将pretrained_model的路径设置为本地路径。
|
||
python3 tools/infer_rec.py -c tools/eval.py -c configs/rec/SVTRv2/rec_repsvtr_gtc.yml -o Global.pretrained_model=output/rec_repsvtr_gtc/best_accuracy Global.infer_img='./doc/imgs_words_en/word_10.png'
|
||
# 预测文件夹下所有图像时，可修改infer_img为文件夹，如 Global.infer_img='./doc/imgs_words_en/'。
|
||
```
|
||
|
||
|
||
<a name="4"></a>
|
||
## 4. 推理部署
|
||
|
||
<a name="4-1"></a>
|
||
### 4.1 Python推理
|
||
首先将训练得到best模型，转换成inference model，以RepSVTR为例，可以使用如下命令进行转换：
|
||
|
||
```shell
|
||
# 注意将pretrained_model的路径设置为本地路径。
|
||
python3 tools/export_model.py -c configs/rec/SVTRv2/rec_repsvtr_gtc.yml -o Global.pretrained_model=output/rec_repsvtr_gtc/best_accuracy Global.save_inference_dir=./inference/rec_repsvtr_infer
|
||
```
|
||
|
||
**注意：**
|
||
- 如果您是在自己的数据集上训练的模型，并且调整了字典文件，请注意修改配置文件中的`character_dict_path`是否为所正确的字典文件。
|
||
|
||
转换成功后，在目录下有三个文件：
|
||
```
|
||
./inference/rec_repsvtr_infer/
|
||
├── inference.pdiparams # 识别inference模型的参数文件
|
||
├── inference.pdiparams.info # 识别inference模型的参数信息，可忽略
|
||
└── inference.pdmodel # 识别inference模型的program文件
|
||
```
|
||
|
||
|
||
执行如下命令进行模型推理：
|
||
|
||
```shell
|
||
python3 tools/infer/predict_rec.py --image_dir='./doc/imgs_words_en/word_10.png' --rec_model_dir='./inference/rec_repsvtr_infer/'
|
||
# 预测文件夹下所有图像时，可修改image_dir为文件夹，如 --image_dir='./doc/imgs_words_en/'。
|
||
```
|
||
|
||
|
||
执行命令后，上面图像的预测结果（识别的文本和得分）会打印到屏幕上，示例如下：
|
||
结果如下：
|
||
```shell
|
||
Predicts of ./doc/imgs_words_en/word_10.png:('pain', 0.9999998807907104)
|
||
```
|
||
|
||
**注意**：
|
||
|
||
- 如果您调整了训练时的输入分辨率，需要通过参数`rec_image_shape`设置为您需要的识别图像形状。
|
||
- 在推理时需要设置参数`rec_char_dict_path`指定字典，如果您修改了字典，请修改该参数为您的字典文件。
|
||
- 如果您修改了预处理方法，需修改`tools/infer/predict_rec.py`中SVTR的预处理为您的预处理方法。
|
||
|
||
<a name="4-2"></a>
|
||
### 4.2 C++推理部署
|
||
|
||
准备好推理模型后，参考[cpp infer](../../deploy/cpp_infer/)教程进行操作即可。
|
||
|
||
<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
|
||
|
||
- 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
|
||
@article{Du2022SVTR,
|
||
title = {SVTR: Scene Text Recognition with a Single Visual Model},
|
||
author = {Du, Yongkun and Chen, Zhineng and Jia, Caiyan and Yin, Xiaoting and Zheng, Tianlun and Li, Chenxia and Du, Yuning and Jiang, Yu-Gang},
|
||
booktitle = {IJCAI},
|
||
year = {2022},
|
||
url = {https://arxiv.org/abs/2205.00159}
|
||
}
|
||
```
|