الصفحة الرئيسية>المتعلقة بالبرمجة>بايثون
تنزيل

الكشف عن نص المشهد في الوقت الحقيقي مع ثنائي قابل للتمييز

ملاحظة : يتم موروث بعض الرمز من MHLiao/DB

中文解读

شبكة

تحديث

2020-06-07: 添加灰度图训练 ， 训练灰度图时需要在配置里移除dataset.args.transforms.Normalize

تثبيت باستخدام كوندا 

 conda env create -f environment.yml
git clone https://github.com/WenmuZhou/DBNet.pytorch.git
cd DBNet.pytorch/

أو

تثبيت يدويًا 

conda create -n dbnet python=3.6
conda activate dbnet

conda install ipython pip

# python dependencies
pip install -r requirement.txt

# install PyTorch with cuda-10.1
# Note that you can change the cudatoolkit version to the version you want.
conda install pytorch torchvision cudatoolkit=10.1 -c pytorch

# clone repo
git clone https://github.com/WenmuZhou/DBNet.pytorch.git
cd DBNet.pytorch/

متطلبات

  • Pytorch 1.4+
  • Torchvision 0.5+
  • GCC 4.9+

تحميل

TBD

إعداد البيانات

بيانات التدريب: قم بإعداد Text train.txt بالتنسيق التالي ، استخدم " T" كفاصل 

 ./datasets/train/img/001.jpg	./datasets/train/gt/001.txt

بيانات التحقق: قم بإعداد text test.txt بالتنسيق التالي ، استخدم ' t' كفاصل 

 ./datasets/test/img/001.jpg	./datasets/test/gt/001.txt
  • تخزين الصور في مجلد img
  • تخزين الجروح في مجلد gt

يمكن أن تكون ملفات Groundruth هي ملفات .txt ، مع التنسيق التالي: 

 x1, y1, x2, y2, x3, y3, x4, y4, annotation

يدرب

  1. قم بتكوين dataset['train']['dataset'['data_path']' ، dataset['validate']['dataset'['data_path']
  • . قطار GPU واحد 
bash singlel_gpu_train.sh
  • . التدريب متعدد GPU 
bash multi_gpu_train.sh

امتحان

يتم استخدام eval.py لاختبار النموذج على مجموعة بيانات الاختبار

  1. config model_path في eval.sh
  2. استخدم البرنامج النصي التالي للاختبار 
bash eval.sh

يتنبأ

يمكن استخدام Preprict.py للاستدلال على جميع الصور في مجلد

  1. config model_path ، input_folder ، output_folder in predict.sh
  2. استخدم البرنامج النصي التالي للتنبؤ 
 bash predict.sh

يمكنك تغيير model_path في ملف predict.sh إلى موقع النموذج الخاص بك.

نصائح: إذا لم تكن النتيجة جيدة ، فيمكنك تغيير thre في التنبؤ.

المشروع لا يزال قيد التطوير.

أداء

ICDAR 2015

تدريب فقط على مجموعة بيانات ICDAR2015

طريقة حجم الصورة (الحجم القصير) معدل التعلم دقة (٪) يتذكر (٪) F-Measure (٪) FPS
synthtext-defrom-resnet-18 (ورقة) 736 0.007 86.8 78.4 82.3 48
ImageNet-resnet18-FPN-DBhead 736 1E-3 87.03 75.06 80.6 43
ImageNet-defrom-resnet18-FPN-DBhead 736 1E-3 88.61 73.84 80.56 36
ImageNet-resnet50-FPN-DBhead 736 1E-3 88.06 77.14 82.24 27
ImageNet-resnest50-FPN-DBhead 736 1E-3 88.18 76.27 81.78 27

أمثلة

TBD

تودو

  • توفيل GPU التدريب

مرجع

  1. https://arxiv.org/pdf/1911.08947.pdf
  2. https://github.com/wenmuzhou/panet.pytorch
  3. https://github.com/mhliao/db

إذا كان هذا المستودع يساعدك ， ، يرجى نجميه. شكرًا.

يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل