mmocr

Документация | Установка | ? Модель зоопарка | ? Обновить новости | ? Проблемы отчетности

Английский | 简体中文

Последние обновления

Филиал по умолчанию в настоящее время является main , а код на филиале был обновлен до v1.0.0. Код старой main ветви (v0.6.3) теперь существует в филиале 0.x Если вы использовали main филиал и проблемы с обновлением, пожалуйста, прочитайте руководство по миграции и примечания на филиалах.

V1.0.0 был выпущен в 2023-04-06. Основные обновления от 1.0.0rc6 включают:

1. Поддержка наборов данных SCUT-CTW1500, SynthText и MJSynth в наборе данных Preparer
2. Обновленные часто задаваемые вопросы и документация
3. Уничтожение file_client_args в пользу backend_args
4. Добавлена ​​новая учебная книжка MMOCR

Чтобы узнать больше об обновлениях в MMOCR 1.0, пожалуйста, обратитесь к тому, что нового в MMOCR 1.X, или прочитайте Changelog для получения более подробной информации!

Введение

MMOCR-это набор инструментов с открытым исходным кодом, основанный на Pytorch и MMDetection для обнаружения текста, распознавания текста и соответствующих нижестоящих задач, включая извлечение ключевой информации. Это часть проекта OpenMMLAB.

Основная ветвь работает с Pytorch 1.6+ .

Основные особенности

• Комплексный трубопровод

  На инструменте поддерживает не только обнаружение текста и распознавание текста, но и их нисходящие задачи, такие как извлечение информации.

• Несколько моделей

  На инструментарии поддерживает широкий спектр современных моделей для обнаружения текста, распознавания текста и извлечения ключей.

• Модульный дизайн

  Модульная конструкция MMOCR позволяет пользователям определять свои собственные оптимизаторы, препроцессоры данных и компоненты моделей, такие как основы, шеи и головы, а также потери. Пожалуйста, обратитесь к обзору, чтобы построить индивидуальную модель.

• Многочисленные коммунальные услуги

  На инструментировании предоставляет комплексный набор утилит, которые могут помочь пользователям оценить производительность моделей. Он включает в себя визуализаторы, которые позволяют визуализировать изображения, наземные истины, а также прогнозируемые ограничительные ящики, а также инструмент проверки для оценки контрольных точек во время обучения. Он также включает в себя преобразователи данных, чтобы продемонстрировать, как преобразовать свои собственные данные в файлы аннотации, которые поддерживает инструментарий.

Установка

MMOCR зависит от Pytorch, Mmengine, MMCV и MMDetection. Ниже приведены быстрые шаги для установки. Пожалуйста, обратитесь к руководству по установке для более подробной инструкции.

conda create -n open-mmlab python=3.8 pytorch=1.10 cudatoolkit=11.3 torchvision -c pytorch -y
conda activate open-mmlab
pip3 install openmim
git clone https://github.com/open-mmlab/mmocr.git
cd mmocr
mim install -e . 

Начните

Пожалуйста, смотрите быстрый запуск для основного использования MMOCR.

Модельный зоопарк

Поддерживаемые алгоритмы:

Магистраль

• oclip (eccv'2022)

Обнаружение текста

• Dbnet (aaai'2020) / dbnet ++ (tpami'2022)
• Маска R-CNN (ICCV'2017)
• Панер (ICCV'2019)
• PSENET (CVPR'2019)
• Textsnake (Eccv'2018)
• DRRG (CVPR'2020)
• Fcenet (cvpr'2021)

Распознавание текста

• Abinet (CVPR'2021)
• Астер (TPAMI'2018)
• CRNN (TPAMI'2016)
• Мастер (Pr'2021)
• NRTR (ICDAR'2019)
• Ortustscanner (Eccv'2020)
• SAR (AAAI'2019)
• Satrn (CVPR'2020 Workshop по тексту и документам в эпоху глубокого обучения)
• Svtr (ijcai'2022)

Ключевая извлечение информации

• SDMG-R (arxiv'2021)

Текстовое определение

• ABCNet (CVPR'2020)
• Abcnetv2 (tpami'2021)
• SPT (ACM MM'2022)

Пожалуйста, обратитесь к Model_zoo для получения более подробной информации.

Проекты

Вот некоторые реализации моделей и решений SOTA, основанных на MMOCR, которые поддерживаются и поддерживаются пользователями сообщества. Эти проекты демонстрируют лучшие практики, основанные на MMOCR для исследований и разработки продуктов. Мы приветствуем и ценим все вклад в экосистему OpenMMLAB.

Внося

Мы ценим все вклад в улучшение MMOCR. Пожалуйста, обратитесь к Anforming.md для выполнения руководящих принципов.

Подтверждение

MMOCR-это проект с открытым исходным кодом, который вносится исследователи и инженеры из различных колледжей и компаний. Мы ценим всех участников, которые реализуют свои методы или добавляют новые функции, а также пользователей, которые дают ценные отзывы. Мы надеемся, что набор инструментов и эталон может служить растущему исследовательскому сообществу, предоставив гибкий инструментарий для повторного представления существующих методов и разработки собственных новых методов OCR.

Цитирование

Если вы найдете этот проект полезным в своем исследовании, пожалуйста, рассмотрите цит: CITE:

 @article { mmocr2022 ,
    title = { MMOCR:  A Comprehensive Toolbox for Text Detection, Recognition and Understanding } ,
    author = { MMOCR Developer Team } ,
    howpublished = { url{https://github.com/open-mmlab/mmocr} } ,
    year = { 2022 }
}

Лицензия

Этот проект выпущен по лицензии Apache 2.0.

Openmmlab Family

• Mmengine: OpenMMLAB Фондации для обучения моделей глубокого обучения
• MMCV: OpenMMLAB Фондовая библиотека для компьютерного зрения.
• MIM: MIM устанавливает пакеты OpenMMLAB.
• MMClassification: OpenMMLAB Classification Classification Toolbox и Clackmark.
• MMDETECTION: OpenMMLAB DETACTION Toolbox и Clackmark.
• MMDetection3d: платформа следующего поколения OpenMMLAB для общего обнаружения 3D объекта.
• MMROTATE: OpenMMLAB ROPTED DETACTION DETACTION DETACTION BOXE и CLAILMARK.
• MMSEGMATION: OpenMMLAB SEMANTIC SEGMATION Toolbox и Clackmark.
• MMOCR: Обнаружение текста OpenMMLAB, распознавание и понимание инструментов.
• Mmpose: OpenMMLAB POSE OSTACTOR Toolbox и Clackmark.
• MMHUMAN3D: OpenMMLAB 3D Параметрическая модель Human Model Box и эталон.
• Mmselfsup: OpenMMLAB Self-Supervised Learning Toolbox и Clackmark.
• MMRazor: набор инструментов для сжатия модели OpenMMLAB и эталон.
• MMFewShot: OpenMMLAB MALESHOT LEARVING Toolbox и Clackmark.
• MMAction2: OpenMMLAB по вопросам действия «Понимание инструментов и теста».
• MMTracking: OpenMMLAB Video Perpection Toolbox и эталон.
• MMFLOW: OpenMMLAB OPTICAL FLOW Toolbox и эталон.
• MMEDITITION: OpenMMLAB Изображение и набор инструментов для редактирования видео.
• MMGeneration: OpenMMLAB Image и видео -генеративные модели.
• Mmdeploy: OpenMMLAB Model Framework.

Добро пожаловать в сообщество OpenMMLAB

Сканируйте приведенный ниже QR -код, чтобы следовать официальной учетной записи команды Zhihu OpenMMLAB и присоединиться к группе QQ команды OpenMMLAB или присоединиться к официальной группе WeChat, добавив WeChat или присоединитесь к нашему Slack

Мы предоставим вам сообщество OpenMMLAB

• ? Поделиться последними основными технологиями фреймворков искусственного интеллекта
• Объяснение исходного кода общего модуля Pytorch
• ? Новости, связанные с выпуском OpenMMLAB
• Внедрение передовых алгоритмов, разработанных OpenMMLAB? Получите более эффективный ответ и обратную связь
• Предоставьте платформу для общения с разработчиками из всех слоев общества

Сообщество OpenMMLAB с нетерпением ждет вашего участия! ?