tensorflow_PSENet

PSENET : 점진적 스케일 확장 네트워크를 통한 강력한 텍스트 감지 형상

소개

이것은 PSENET의 텐서 플로 재 구현입니다. 점진적 스케일 확장 네트워크를 사용한 Shape 강력한 텍스트 감지.

저자의 (@whai362) 멋진 작품에 감사드립니다!

설치

1. Tensorflow 버전> 1.0 버전은 괜찮습니다.
2. 파이썬 2 또는 3은 괜찮습니다.

다운로드

ICDAR 2015 교육 (교육 세트) + ICDAR2017 MLT (교육 세트) :

Baiduyun 추출물 코드 : PFFD

구글 드라이브

이 모델은 기사만큼 좋지 않으며 참조 일뿐입니다. 이 코드를 기반으로 많은 최적화를 수행 할 수 있습니다.

데이터 베이스	정밀도 (%)	상기하다 (%)	F- 측정 (%)
ICDAR 2015 (VAL)	74.61	80.93	77.64

기차

모델을 교육하려면 데이터 세트 경로를 제공해야합니다. 데이터 세트 경로에서 각 이미지에 별도의 GT 텍스트 파일이 제공되어야하며 GT 텍스트 및 이미지 파일에 동일한 이름이 있는지 확인해야합니다 .

그런 다음 train.py like를 실행합니다.

 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/

GPU 이상이 둘 이상인 경우 GPU ID를 GPU_LIST로 전달할 수 있습니다 (-GPU_LIST = 0,1,2,3).

메모:

1. 현재 ICDAR2017 데이터 형식 입력 (116,1179,206,117,206,1207,116,1207, "###")과 같은 ICDAR 2017 데이터 형식 입력 만 지원하지만 Data_Provider.py를 수정하여 Polygon 형식 입력을 지원할 수 있습니다.
2. Pyclipper 모듈을 사용하여 이미 다각형 수축을 지원합니다
3. 이 재 구현은 재미를위한 것이지만이 코드를 계속 개선 할 것입니다.
4. C ++를 사용하여 재 구현 PSE 알고리즘 (Python2를 사용하는 경우 Python3 인 경우 Python-Config를 Python3-Config로 MakeFile에서 교체하십시오).

시험

eval.py like를 실행합니다.

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

그런 다음 텍스트 파일 및 결과 이미지가 출력 경로에 기록됩니다.

예

문제에 대해

문제 점검 문제가 먼저 발생하거나 새로운 문제를 열 ​​수있는 경우.

참조

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

인정하다

@rkshuai는 Model.py에서 Concat 기능에 대한 버그를 찾았습니다.

이 저장소가 도움이된다면 별표를주십시오. 감사해요.