CRNN_Chinese_Characters_Rec

Reconhecimento de personagens

Um repositório de reconhecimento de caracteres chinês com base em redes recorrentes convolucionais. ( Abaixo, digitalize o código QR para ingressar no Grupo WeChat. )

Desempenho

Reconhecer personagens em fotos

Ambientes dev

1. Ganhe 10 ou Ubuntu 16.04
2. Pytorch 1.2.0 (pode corrigir a perda de CTC) com CUDA 10.0
3. Yaml
4. EasyDict
5. Tensorboardx

Dados

Conjunto de dados sintético de string chinesa

1. Baixe o conjunto de dados
2. Editar lib/config/360cc_config.yaml dados: root to your imagem caminho

    DATASET:
      ROOT: 'to/your/images/path'

3. Baixe os rótulos (senha: EAQB)

4. CUST CHAR_STD_5990.TXT em lib/dataset/txt/

5. E coloque o Train.txt e o test.txt em lib/dataset/txt/

   por exemplo. test.txt

    20456343_4045240981.jpg 89 201 241 178 19 94 19 22 26 656
    20457281_3395886438.jpg 120 1061 2 376 78 249 272 272 120 1061
    ...

Ou seus próprios dados

1. Editar Lib/config/lojas_config.yaml dados: root to you imagem caminho

    DATASET:
      ROOT: 'to/your/images/path'

2. E coloque seu train_own.txt e test_own.txt em lib/dataset/txt/

   por exemplo. test_own.txt

    20456343_4045240981.jpg 你好啊！祖国！
    20457281_3395886438.jpg 晚安啊！世界！
    ...

Nota : O treinamento de comprimento fixo é suportado. No entanto, você pode modificar o Dataloader para oferecer suporte ao treinamento de comprimento aleatório.

Trem

   [run] python train.py --cfg lib/config/360CC_config.yaml
or [run] python train.py --cfg lib/config/OWN_config.yaml

 #### loss curve

```angular2html
   [run] cd output/360CC/crnn/xxxx-xx-xx-xx-xx/
   [run] tensorboard --logdir log

Visão geral da perda (primeira época)

Demonstração

   [run] python demo.py --image_path images/test.png --checkpoint output/checkpoints/mixed_second_finetune_acc_97P7.pth

Referências

• https://github.com/meijieru/crnn.pytorch
• https://github.com/hrnet