CRNN_Chinese_Characters_Rec

Charaktereerkennung

Ein chinesisches Repository für die Erkennung chinesischer Zeichen basiert auf rezidivierenden Faltungsnetzwerken. ( Unten scannen Sie den QR -Code, um der Wechat -Gruppe beizutreten. )

Leistung

Erkennen Sie Charaktere in Bildern

Entwicklungsumgebungen

1. Gewinnen Sie 10 oder Ubuntu 16.04
2. Pytorch 1.2.0 (kann CTC -Verlust reparieren) mit CUDA 10.0
3. Yaml
4. Easydict
5. Tensorboardx

Daten

Synthetischer chinesischer String -Datensatz

1. Laden Sie den Datensatz herunter
2. Bearbeiten Sie Lib/config/360cc_config.yaml Daten: Root an Ihren Bildpfad

    DATASET:
      ROOT: 'to/your/images/path'

3. Laden Sie die Beschriftungen (Passwort: EAQB) herunter

4. Setzen Sie char_std_5990.txt in lib/dataset/txt/ein

5. Und puttrain.txt und test.txt in lib/dataset/txt/

   z.B. test.txt

    20456343_4045240981.jpg 89 201 241 178 19 94 19 22 26 656
    20457281_3395886438.jpg 120 1061 2 376 78 249 272 272 120 1061
    ...

Oder Ihre eigenen Daten

1. Bearbeiten Sie Lib/config/own_config.yaml Daten: Stamm auf Ihren Bildpfad

    DATASET:
      ROOT: 'to/your/images/path'

2. Und setzen​

   z.B. test_own.txt

    20456343_4045240981.jpg 你好啊！祖国！
    20457281_3395886438.jpg 晚安啊！世界！
    ...

Hinweis : Das Training mit fester Länge wird unterstützt. Sie können Dataloader jedoch so ändern, dass sie zufällige Längentraining unterstützt.

Zug

   [run] python train.py --cfg lib/config/360CC_config.yaml
or [run] python train.py --cfg lib/config/OWN_config.yaml

 #### loss curve

```angular2html
   [run] cd output/360CC/crnn/xxxx-xx-xx-xx-xx/
   [run] tensorboard --logdir log

Verlustübersicht (erste Epoche)

Demo

   [run] python demo.py --image_path images/test.png --checkpoint output/checkpoints/mixed_second_finetune_acc_97P7.pth

Referenzen

• https://github.com/meijieru/crnn.pytorch
• https://github.com/hrnet