DBNet.pytorch
1.0.0
참고 : 일부 코드는 mhliao/db에서 상속됩니다
中文解读
2020-06-07 : 添加灰度图训练 添加灰度图训练, 训练灰度图时需要在配置里移除dataset.args.transforms.Normalize
conda env create -f environment.yml
git clone https://github.com/WenmuZhou/DBNet.pytorch.git
cd DBNet.pytorch/
또는
conda create -n dbnet python=3.6
conda activate dbnet
conda install ipython pip
# python dependencies
pip install -r requirement.txt
# install PyTorch with cuda-10.1
# Note that you can change the cudatoolkit version to the version you want.
conda install pytorch torchvision cudatoolkit=10.1 -c pytorch
# clone repo
git clone https://github.com/WenmuZhou/DBNet.pytorch.git
cd DBNet.pytorch/
TBD
교육 데이터 : 다음 형식으로 텍스트 train.txt 준비, ' t'를 분리기로 사용하십시오.
./datasets/train/img/001.jpg ./datasets/train/gt/001.txt
유효성 검사 데이터 : 다음 형식으로 텍스트 test.txt 준비하고 ' t'를 분리기로 사용하십시오.
./datasets/test/img/001.jpg ./datasets/test/gt/001.txt
img 폴더에 이미지를 저장하십시오gt 폴더에 GroundTruth를 저장하십시오 지상은 다음 형식으로 .txt 파일 일 수 있습니다.
x1, y1, x2, y2, x3, y3, x4, y4, annotation
dataset['train']['dataset'['data_path']' , dataset['validate']['dataset'['data_path'] 를 구성하십시오bash singlel_gpu_train.shbash multi_gpu_train.shEval.Py는 테스트 데이터 세트에서 모델을 테스트하는 데 사용됩니다
model_pathbash eval.shprodict.py는 폴더의 모든 이미지를 추론하는 데 사용할 수 있습니다.
model_path , input_folder , output_folder in predict.sh bash predict.sh
predict.sh 파일의 model_path 모델 위치로 변경할 수 있습니다.
팁 : 결과가 좋지 않으면 predict.sh에서 thre 변경할 수 있습니다.
프로젝트는 여전히 개발 중입니다.
ICDAR2015 데이터 세트에 대해서만 훈련하십시오
| 방법 | 이미지 크기 (짧은 크기) | 학습 속도 | 정밀도 (%) | 상기하다 (%) | F- 측정 (%) | fps |
|---|---|---|---|---|---|---|
| Synthtext-Defrom-Resnet-18 (종이) | 736 | 0.007 | 86.8 | 78.4 | 82.3 | 48 |
| ImageNet-Resnet18-fpn-dbhead | 736 | 1E-3 | 87.03 | 75.06 | 80.6 | 43 |
| imagenet-defrom-resnet18-fpn-dbhead | 736 | 1E-3 | 88.61 | 73.84 | 80.56 | 36 |
| ImageNet-Resnet50-fpn-dbhead | 736 | 1E-3 | 88.06 | 77.14 | 82.24 | 27 |
| ImageNet-Resnest50-fpn-dbhead | 736 | 1E-3 | 88.18 | 76.27 | 81.78 | 27 |
TBD
이 저장소가 도움이된다면 별표를주십시오. 감사해요.
