CRAFT pytorch

Kerajinan: Kesadaran Karakter-Wilayah untuk Deteksi Teks

Implementasi Pytorch Resmi Detektor Teks Kerajinan | Kertas | Model pretrained | Tambahan

Youngmin Baek, Bado Lee, Dongyoon Han, Sangdoo Yun, Hwalsuk Lee.

Clova AI Research, Naver Corp.

Hasil sampel

Ringkasan

Implementasi PyTorch untuk Detektor Teks Kerajinan yang secara efektif mendeteksi area teks dengan mengeksplorasi setiap wilayah karakter dan afinitas antar karakter. Kotak pembatas teks diperoleh dengan hanya menemukan persegi panjang minimum pada peta biner setelah ambang batas wilayah karakter dan skor afinitas.

Pembaruan

13 Jun, 2019 : Pembaruan Awal 20 Jul, 2019 : Menambahkan pasca-pemrosesan untuk hasil poligon 28 Sep, 2019 : Menambahkan model yang dilatih pada IC15 dan tautan pemurnian

Memulai

Instal dependensi

Persyaratan

• Pytorch> = 0.4.1
• TorchVision> = 0.2.1
• opencv-python> = 3.4.2
• Periksa persyaratan.txt

 pip install -r requirements.txt

Pelatihan

Kode pelatihan tidak termasuk dalam repositori ini, dan kami tidak dapat merilis kode pelatihan penuh untuk alasan IP.

Instruksi Uji Menggunakan Model Pretrained

• Unduh model yang terlatih

Nama model	Dataset bekas	Bahasa	Tujuan	Tautan model
Umum	Synthtext, IC13, IC17	Eng + mlt	Untuk tujuan umum	Klik
IC15	Synthtext, IC15	Eng	Hanya untuk IC15	Klik
LinkRefiner	CTW1500	-	Digunakan dengan model umum	Klik

• Jalankan dengan model pretrained

 python test.py --trained_model=[weightfile] --test_folder=[folder path to test images]

Gambar hasil dan peta SOCRE akan disimpan ke ./result secara default.

Argumen

• --trained_model : model pretrained
• --text_threshold : Ambang Teks Kepercayaan Teks
• --low_text : Teks skor terikat rendah
• --link_threshold : Link Threshold Confidence
• --cuda : Gunakan cuda untuk inferensi (default: true)
• --canvas_size : Ukuran gambar maks untuk inferensi
• --mag_ratio : rasio pembesaran gambar
• --poly : Aktifkan Hasil Jenis Poligon
• --show_time : Tampilkan waktu pemrosesan
• --test_folder : Path folder ke input gambar
• --refine : Gunakan Refiner Link untuk Dataset Tingkat SENTENSE
• --refiner_model : Model Pengilangan Pretrained

Tautan

• WebDemo: https://demo.ocr.clova.ai/
• Repo of Recognition: https://github.com/clovaai/deep-text-recognition-benchmark

Kutipan

 @inproceedings{baek2019character,
  title={Character Region Awareness for Text Detection},
  author={Baek, Youngmin and Lee, Bado and Han, Dongyoon and Yun, Sangdoo and Lee, Hwalsuk},
  booktitle={Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition},
  pages={9365--9374},
  year={2019}
}

Lisensi

 Copyright (c) 2019-present NAVER Corp.

Permission is hereby granted, free of charge, to any person obtaining a copy
of this software and associated documentation files (the "Software"), to deal
in the Software without restriction, including without limitation the rights
to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
copies of the Software, and to permit persons to whom the Software is
furnished to do so, subject to the following conditions:

The above copyright notice and this permission notice shall be included in
all copies or substantial portions of the Software.

THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT.  IN NO EVENT SHALL THE
AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN
THE SOFTWARE.