mirror of
https://github.com/PaddlePaddle/PaddleOCR.git
synced 2025-11-03 19:29:18 +00:00
145 lines
3.9 KiB
Markdown
145 lines
3.9 KiB
Markdown
|
||
# 关键信息抽取算法-SDMGR
|
||
|
||
- [1. 算法简介](#1-算法简介)
|
||
- [2. 环境配置](#2-环境配置)
|
||
- [3. 模型训练、评估、预测](#3-模型训练评估预测)
|
||
- [3.1 模型训练](#31-模型训练)
|
||
- [3.2 模型评估](#32-模型评估)
|
||
- [3.3 模型预测](#33-模型预测)
|
||
- [4. 推理部署](#4-推理部署)
|
||
- [4.1 Python推理](#41-python推理)
|
||
- [4.2 C++推理部署](#42-c推理部署)
|
||
- [4.3 Serving服务化部署](#43-serving服务化部署)
|
||
- [4.4 更多推理部署](#44-更多推理部署)
|
||
- [5. FAQ](#5-faq)
|
||
- [引用](#引用)
|
||
|
||
|
||
<a name="1"></a>
|
||
|
||
## 1. 算法简介
|
||
|
||
|
||
论文信息：
|
||
|
||
> [Spatial Dual-Modality Graph Reasoning for Key Information Extraction](https://arxiv.org/abs/2103.14470)
|
||
>
|
||
> Hongbin Sun and Zhanghui Kuang and Xiaoyu Yue and Chenhao Lin and Wayne Zhang
|
||
>
|
||
> 2021
|
||
|
||
在wildreceipt发票公开数据集上，算法复现效果如下：
|
||
|
||
|模型|骨干网络|配置文件|hmean|下载链接|
|
||
| --- | --- | --- | --- | --- |
|
||
|SDMGR|VGG6|[configs/kie/sdmgr/kie_unet_sdmgr.yml](../../configs/kie/sdmgr/kie_unet_sdmgr.yml)|86.70%|[训练模型]( https://paddleocr.bj.bcebos.com/dygraph_v2.1/kie/kie_vgg16.tar)/[推理模型(coming soon)]()|
|
||
|
||
|
||
<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
|
||
|
||
SDMGR是一个关键信息提取算法，将每个检测到的文本区域分类为预定义的类别，如订单ID、发票号码，金额等。
|
||
|
||
训练和测试的数据采用wildreceipt数据集，通过如下指令下载数据集：
|
||
|
||
```bash
|
||
wget https://paddleocr.bj.bcebos.com/ppstructure/dataset/wildreceipt.tar && tar xf wildreceipt.tar
|
||
```
|
||
|
||
创建数据集软链到PaddleOCR/train_data目录下：
|
||
```
|
||
cd PaddleOCR/ && mkdir train_data && cd train_data
|
||
|
||
ln -s ../../wildreceipt ./
|
||
```
|
||
|
||
|
||
### 3.1 模型训练
|
||
|
||
训练采用的配置文件是`configs/kie/sdmgr/kie_unet_sdmgr.yml`，配置文件中默认训练数据路径是`train_data/wildreceipt`，准备好数据后，可以通过如下指令执行训练：
|
||
|
||
```
|
||
python3 tools/train.py -c configs/kie/sdmgr/kie_unet_sdmgr.yml -o Global.save_model_dir=./output/kie/
|
||
```
|
||
|
||
### 3.2 模型评估
|
||
|
||
执行下面的命令进行模型评估
|
||
|
||
```bash
|
||
python3 tools/eval.py -c configs/kie/sdmgr/kie_unet_sdmgr.yml -o Global.checkpoints=./output/kie/best_accuracy
|
||
```
|
||
|
||
输出信息示例如下所示。
|
||
|
||
```py
|
||
[2022/08/10 05:22:23] ppocr INFO: metric eval ***************
|
||
[2022/08/10 05:22:23] ppocr INFO: hmean:0.8670120239257812
|
||
[2022/08/10 05:22:23] ppocr INFO: fps:10.18816520530961
|
||
```
|
||
|
||
### 3.3 模型预测
|
||
|
||
执行下面的命令进行模型预测，预测的时候需要预先加载存储图片路径以及OCR信息的文本文件，使用`Global.infer_img`进行指定。
|
||
|
||
```bash
|
||
python3 tools/infer_kie.py -c configs/kie/kie_unet_sdmgr.yml -o Global.checkpoints=kie_vgg16/best_accuracy Global.infer_img=./train_data/wildreceipt/1.txt
|
||
```
|
||
|
||
执行预测后的结果保存在`./output/sdmgr_kie/predicts_kie.txt`文件中，可视化结果保存在`/output/sdmgr_kie/kie_results/`目录下。
|
||
|
||
可视化结果如下图所示：
|
||
|
||
<div align="center">
|
||
<img src="../../ppstructure/docs/imgs/sdmgr_result.png" width="800">
|
||
</div>
|
||
|
||
<a name="4"></a>
|
||
## 4. 推理部署
|
||
|
||
<a name="4-1"></a>
|
||
### 4.1 Python推理
|
||
|
||
暂不支持
|
||
|
||
<a name="4-2"></a>
|
||
### 4.2 C++推理部署
|
||
|
||
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
|
||
|
||
暂不支持
|
||
|
||
<a name="5"></a>
|
||
|
||
## 5. FAQ
|
||
|
||
## 引用
|
||
|
||
|
||
```bibtex
|
||
@misc{sun2021spatial,
|
||
title={Spatial Dual-Modality Graph Reasoning for Key Information Extraction},
|
||
author={Hongbin Sun and Zhanghui Kuang and Xiaoyu Yue and Chenhao Lin and Wayne Zhang},
|
||
year={2021},
|
||
eprint={2103.14470},
|
||
archivePrefix={arXiv},
|
||
primaryClass={cs.CV}
|
||
}
|
||
```
|