CRAFT pytorch

Ремесло: осознание характеристик для обнаружения текста

Официальная внедрение пит -образного текста Pytorch | Бумага | Предварительная модель | Дополнительный

Молодой ман Бэк, Бадо Ли, Дунгун Хан, Сангду Юн, Хвальсок Ли.

Clova AI Research, Naver Corp.

Образец результатов

Обзор

Реализация Pytorch для ремесленного текстового детектора, который эффективно обнаруживает область текста, изучая каждую область символа и сродство между символами. Ограничивающая коробка текстов получается путем простого обнаружения минимальных ограничивающих прямоугольников на бинарной карте после пороговой области символа и сродства.

Обновления

13 июня 2019 года : первоначальное обновление 20 июля 2019 года : добавлена после обработки для полигона результат 28 сентября 2019 г .: добавлена обученная модель на IC15 и REFINER LINK

Начиная

Установить зависимости

Требования

• Pytorch> = 0,4,1
• TOCHVISION> = 0,2,1
• OpenCV-Python> = 3.4.2
• Проверьте требования .txt

 pip install -r requirements.txt

Обучение

Код для обучения не включен в этот репозиторий, и мы не можем выпустить полный код обучения для IP -разума.

Инструкция по тестированию с использованием предварительной модели

• Загрузите обученные модели

Название модели	Используемые наборы данных	Языки	Цель	Модель ссылка
Общий	Synthext, IC13, IC17	ENG + MLT	Для общего назначения	Нажимать
IC15	Синтекс, IC15	Англ	Только для IC15	Нажимать
Linkrefiner	CTW1500	-	Используется с общей моделью	Нажимать

• Беги с предварительной моделью

 python test.py --trained_model=[weightfile] --test_folder=[folder path to test images]

Изображение результата и карты Socre будут сохранены в ./result по умолчанию.

Аргументы

• --trained_model : предварительно подготовленная модель
• --text_threshold : порог доверия текста
• --low_text : текст с низкой оценкой
• --link_threshold : Порог уверенности ссылки
• --cuda : используйте CUDA для вывода (по умолчанию: true)
• --canvas_size : максимальный размер изображения для вывода
• --mag_ratio : коэффициент увеличения изображения
• --poly : включить результат типа многоугольника
• --show_time : показывать время обработки
• --test_folder : путь папки к входным изображениям
• --refine : Используйте REFINER LINK для набора данных на уровне суждения
• --refiner_model : модель предварительного рафинера

Ссылки

• WebDemo: https://demo.ocr.clova.ai/
• Репо признание: https://github.com/clovaai/deep-text-recognition-benchmark

Цитирование

 @inproceedings{baek2019character,
  title={Character Region Awareness for Text Detection},
  author={Baek, Youngmin and Lee, Bado and Han, Dongyoon and Yun, Sangdoo and Lee, Hwalsuk},
  booktitle={Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition},
  pages={9365--9374},
  year={2019}
}

Лицензия

 Copyright (c) 2019-present NAVER Corp.

Permission is hereby granted, free of charge, to any person obtaining a copy
of this software and associated documentation files (the "Software"), to deal
in the Software without restriction, including without limitation the rights
to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
copies of the Software, and to permit persons to whom the Software is
furnished to do so, subject to the following conditions:

The above copyright notice and this permission notice shall be included in
all copies or substantial portions of the Software.

THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT.  IN NO EVENT SHALL THE
AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN
THE SOFTWARE.