tensorflow_PSENet

PSENET：プログレッシブスケール拡張ネットワークを使用した堅牢なテキスト検出

導入

これは、Psenet：Progressive Scale Expansion Networkを使用した形状の堅牢なテキスト検出のTensorflowの再実装です。

著者の（@whai362）素晴らしい仕事をありがとう！

インストール

1. Tensorflowバージョン> 1.0のバージョンは大丈夫です。
2. Python 2または3は大丈夫です。

ダウンロード

ICDAR 2015（トレーニングセット） + ICDAR2017 MLT（トレーニングセット）でトレーニング：

Baiduyun Extractコード：PFFD

Googleドライブ

このモデルは記事ほど良くありません。単なる参照です。あなたはそれで微調整することができます、またはあなたはこのコードに基づいて多くの最適化を行うことができます。

データベース	精度（％）	想起 （％）	f-Measure（％）
ICDAR 2015（VAL）	74.61	80.93	77.64

電車

モデルをトレーニングする場合は、データセットパスを提供する必要があります。データセットパスでは、各画像に個別のGTテキストファイルを提供し、 GTテキストと画像ファイルに同じ名前があることを確認する必要があります。

その後、train.pyのように走ります：

 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/

複数のGPUがある場合は、GPU IDをGPU_LISTに渡すことができます（-GPU_LIST = 0,1,2,3）

注記：

1. 現在、（116,1179,206,1179,206,1207,116,1207、 "###"）などのICDAR2017データ形式の入力のみをサポートしていますが、Polygon形式の入力をサポートするためにdata_provider.pyを変更できます
2. Pyclipperモジュールを使用して、すでにポリゴン収縮をサポートしています
3. この再実装は楽しみのためだけですが、私はこのコードを改善し続けます。
4. C ++を使用して再実装PSEアルゴリズム（Python2を使用する場合は、Python3の場合はPython-ConfigをMakeFileのPython3-Configに置き換えてください）

テスト

eval.pyのように実行：

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

テキストファイルと結果画像が出力パスに書き込まれます。

例

問題について

問題が発生した場合、最初に問題を確認するか、新しい問題を開くことができます。

参照

1. http://download.tensorflow.org/models/resnet_v1_50_2016_08_28.tar.gz
2. https://github.com/charlesshang/fastmaskrcnn
3. whai362/psenet＃15
4. https://github.com/argman/east

認める

@rkshuaiは、model.pyでconcat機能に関するバグを見つけました。

このリポジトリが役立つ場合は、主演してください。ありがとう。