tensorflow_PSENet

PSENET: Forme de détection de texte robuste avec un réseau d'expansion à l'échelle progressive

Introduction

Il s'agit d'une réimplémentation TensorFlow de PSENET: Forme de détection de texte robuste avec un réseau d'expansion à l'échelle progressive.

Merci pour le travail génial de l'auteur (@ whai362)!

Installation

1. Toute version de la version TensorFlow> 1.0 devrait être OK.
2. Python 2 ou 3 sera OK.

Télécharger

Formé sur l'ICDAR 2015 (ensemble de formation) + ICDAR2017 MLT (ensemble de formation):

Code d'extrait de Baiduyun: PFFD

Google Drive

Ce modèle n'est pas aussi bon que les articles, c'est juste une référence. Vous pouvez vous-même entertune ou vous pouvez faire beaucoup d'optimisation en fonction de ce code.

Base de données	Précision (%)	Rappel (%)	F-Mesure (%)
ICDAR 2015 (VAL)	74.61	80.93	77,64

Former

Si vous souhaitez former le modèle, vous devez fournir le chemin du jeu de données, dans le chemin de jeu de données, un fichier de texte GT distinct doit être fourni pour chaque image et assurez-vous que le texte et le fichier image GT ont les mêmes noms .

Ensuite, exécutez Train.py comme:

 python train.py --gpu_list=0 --input_size=512 --batch_size_per_gpu=8 --checkpoint_path=./resnet_v1_50/ 
--training_data_path=./data/ocr/icdar2015/

Si vous avez plus d'un GPU, vous pouvez transmettre les ID GPU à gpu_list (comme --gpu_list = 0,1,2,3)

Note:

1. À l'heure actuelle, ne prend en charge que l'entrée du format de données ICDAR2017, comme (116 1179,206,1179,206,1207,116,1207, "###"), mais vous pouvez modifier data_provider.py pour prendre en charge l'entrée du format polygon
2. Soutenez déjà le polygone rétractable en utilisant le module Pyclipper
3. Cette réimplémentation est juste pour le plaisir, mais je continuerai à améliorer ce code.
4. Algorithme PSE réimplémentation en utilisant C ++ (si vous utilisez Python2, il suffit de l'exécuter, si Python3, veuillez remplacer Python-Config par Python3-Config dans MakeFile)

Test

Exécutez eval.py comme:

 python eval.py --test_data_path=./tmp/images/ --gpu_list=0 --checkpoint_path=./resnet_v1_50/ 
--output_dir=./tmp/

Un fichier texte et une image de résultat seront ensuite écrits sur le chemin de sortie.

Exemples

Sur les problèmes

Si vous rencontrez d'abord des problèmes de vérification des problèmes, ou si vous pouvez ouvrir un nouveau problème.

Référence

1. http://download.tensorflow.org/models/resnet_v1_50_2016_08_28.tar.gz
2. https://github.com/charleshang/fastmaskrcnn
3. WHAI362 / PSENET # 15
4. https://github.com/argman/ast

Reconnaître

@rkshuai a trouvé un bug sur les fonctionnalités concat dans Model.py.

Si ce référentiel vous aide, veuillez le jouer. Merci.