1. Johngo学长首页
  2. 技术点详细复盘专题
  3. 人工智能

PaddleOCR使用笔记之模型训练

• 人工智能 • 阅读 137

PaddleOCR算法主要包含三个部分，分别是：

  • DB文本检测(detection)
  • 检测框矫正(classification)
  • *CRNN文本识别(recognition)

在训练时，这三个模型 单独进行训练，得到三个模型的训练权重，在推理预测时会把三个模型整合在一起，即 PaddleOCR推理模型的最终结果是由上述三个模型串联推理而得，推理步骤大致如下：

  • 第一步，进行文本检测，得到文本位置的检测框；
  • 第二步，根据得到的文本检测框对其进行角度分类；
  • 第三步，进行文本识别。

步骤一：文本检测模型( detection )

以文本检测模型(detection)为例，进行训练

将下载到的数据集解压到工作目录下，假设解压在 PaddleOCR/train_data/ 下。另外， PaddleOCR将 零散的标注文件整理成 单独的标注文件，您可以通过 wget的方式进行下载。


cd PaddleOCR/
wget -P ./train_data/  https://paddleocr.bj.bcebos.com/dataset/train_icdar2015_label.txt
wget -P ./train_data/  https://paddleocr.bj.bcebos.com/dataset/test_icdar2015_label.txt

PaddleOCR 也提供了数据格式转换脚本(该脚本的目的就是将零散的标注文件整理为一个单独的文件)，可以将官网 label 转换支持的数据格式。 数据转换工具在 ppocr/utils/gen_label.py, 这里以训练集为例：


python gen_label.py --mode="det" --root_path="icdar_c4_train_imgs/"  \
                    --input_path="ch4_training_localization_transcription_gt" \
                    --output_label="train_icdar2015_label.txt"

解压数据集和下载标注文件后， PaddleOCR/train_data/ 有两个文件夹和两个文件，分别是：

/PaddleOCR/train_data/icdar2015/text_localization/
  └─ icdar_c4_train_imgs/         icdar数据集的训练数据
  └─ ch4_test_images/             icdar数据集的测试数据
  └─ train_icdar2015_label.txt    icdar数据集的训练标注
  └─ test_icdar2015_label.txt     icdar数据集的测试标注

提供的标注文件格式如下，中间用”\t”分隔：

" 图像文件名                    json.dumps编码的图像标注信息"
ch4_test_images/img_61.jpg    [{"transcription": "MASA", "points": [[310, 104], [416, 141], [418, 216], [312, 179]]}, {...}]

json.dumps编码前的图像标注信息是包含多个字典的 list，字典中的 points 表示文本框的四个点的坐标(x, y)， 从左上角的点开始顺时针排列。
transcription 表示当前文本框的文字， 当其内容为”###”时，表示该文本框无效，在训练时会跳过。

如果您想在其他数据集上训练，可以按照上述形式构建标注文件。

PaddleOCR开源的文本检测算法列表：

在 ICDAR2015文本检测公开数据集上，算法效果如下：

模型骨干网络precisionrecallHmean下载链接EASTResNet50_vd85.80%86.71%86.25%

EASTMobileNetV379.42%80.64%80.03%

DBResNet50_vd86.41%78.72%82.38%

DBMobileNetV377.29%73.08%75.12%

SASTResNet50_vd91.39%83.77%87.42%

在 Total-text文本检测公开数据集上，算法效果如下：

模型骨干网络precisionrecallHmean下载链接SASTResNet50_vd89.63%78.44%83.66%

说明： SAST模型训练额外加入了 icdar2013、 icdar2017、 COCO-Text、 ArT等公开数据集进行调优。 PaddleOCR用到的经过整理格式的英文公开数据集下载：百度云地址 (提取码: 2bpi)

PaddleOCR的检测模型目前支持 两种骨干网络，分别是 MobileNetV3、 ResNet_vd系列，您可以根据需求使用PaddleClas中的模型更换骨干网络。

cd PaddleOCR/

wget -P ./pretrain_models/ https://paddle-imagenet-models-name.bj.bcebos.com/MobileNetV3_large_x0_5_pretrained.tar

wget -P ./pretrain_models/ https://paddle-imagenet-models-name.bj.bcebos.com/ResNet18_vd_pretrained.tar

wget -P ./pretrain_models/ https://paddle-imagenet-models-name.bj.bcebos.com/ResNet50_vd_ssld_pretrained.tar

tar -xf ./pretrain_models/MobileNetV3_large_x0_5_pretrained.tar ./pretrain_models/

./pretrain_models/MobileNetV3_large_x0_5_pretrained/
  └─ conv_last_bn_mean
  └─ conv_last_bn_offset
  └─ conv_last_bn_scale
  └─ conv_last_bn_variance
  └─ ......

如果您安装的是cpu版本，请将配置文件中的 use_gpu 字段修改为 false


python tools/train.py -c configs/det/det_mv3_db.yml -o Global.pretrain_weights=./pretrain_models/MobileNetV3_large_x0_5_pretrained/

python -m paddle.distributed.launch --gpus '0,1,2,3' tools/train.py -c configs/det/det_mv3_db.yml -o Global.pretrain_weights=./pretrain_models/MobileNetV3_large_x0_5_pretrained/

您也可以通过 -o参数在不需要修改 yml文件的情况下，改变训练的参数，比如，调整训练的学习率为 0.0001

如果训练程序中断，如果希望加载训练中断的模型从而恢复训练，可以通过指定 Global.checkpoints指定要加载的模型路径：

python tools/train.py -c configs/det/det_mv3_db.yml -o Global.checkpoints=./your/trained/model

注意： Global.checkpoints的优先级高于 Global.pretrain_weights的优先级，即同时指定两个参数时，优先加载 Global.checkpoints指定的模型，如果 Global.checkpoints指定的模型路径有误，会加载 Global.pretrain_weights指定的模型。

PaddleOCR计算三个 OCR检测相关的指标，分别是： Precision、 Recall、 Hmean。

运行如下代码，根据配置文件 det_db_mv3.yml中 save_res_path指定的测试集检测结果文件，计算评估指标。

评估时设置后处理参数 box_thresh=0.5， unclip_ratio=1.5，使用不同数据集、不同模型训练，可调整这两个参数进行优化
训练中模型参数默认保存在 Global.save_model_dir目录下。在评估指标时，需要设置 Global.checkpoints指向保存的参数文件。

python3 tools/eval.py -c configs/det/det_mv3_db.yml  -o Global.checkpoints="{path/to/weights}/best_accuracy" PostProcess.box_thresh=0.5 PostProcess.unclip_ratio=1.5

注： box_thresh、 unclip_ratio是 DB后处理所需要的参数，在评估 EAST模型时不需要设置

测试 单张图像的检测效果

python tools/infer_det.py -c configs/det/det_mv3_db.yml -o Global.infer_img="./doc/imgs_en/img_10.jpg" Global.pretrained_model="./output/det_db/best_accuracy" Global.load_static_weights=false

测试 DB模型时，调整后处理阈值，

python tools/infer_det.py -c configs/det/det_mv3_db.yml -o Global.infer_img="./doc/imgs_en/img_10.jpg" Global.pretrained_model="./output/det_db/best_accuracy" Global.load_static_weights=false PostProcess.box_thresh=0.6 PostProcess.unclip_ratio=1.5

测试文件夹下 所有图像的检测效果

python3 tools/infer_det.py -c configs/det/det_mv3_db.yml -o Global.infer_img="./doc/imgs_en/" Global.pretrained_model="./output/det_db/best_accuracy" Global.load_static_weights=false

截止到目前，我们得到了文本检测的训练模型，并对其进行了测试，但这并不是最终的推理模型，需要进行转换，以 MobileNetV3为 backbone训练的 DB算法为例，将训练好的模型转换成 inference模型只需要运行如下命令：


python3 tools/export_model.py -c configs/det/ch_ppocr_v2.0/ch_det_mv3_db_v2.0.yml -o Global.pretrained_model=./ch_lite/ch_ppocr_mobile_v2.0_det_train/best_accuracy Global.load_static_weights=False Global.save_inference_dir=./inference/det_db/

步骤二：文本识别模型( recognition )

PaddleOCR 支持两种数据格式:

  • lmdb 用于训练公开数据，调试算法;
  • 通用数据 训练自己的数据:

训练数据的默认存储路径是 PaddleOCR/train_data,如果您的磁盘上已有数据集， Windows系统需要将数据集拷贝至对应位置， Linux只需创建软链接至数据集目录：

ln -sf <path/to/dataset> <path/to/paddle_ocr>/train_data/dataset

若您希望使用自己的数据进行训练，请参考下文组织您的数据。

  • 训练集

首先请将训练图片放入同一个文件夹（ train_images），并用一个 txt文件（ rec_gt_train.txt）记录图片路径和标签。

注意： 默认请将图片路径和图片标签用 \t 分割，如用其他方式分割将造成训练报错

" 图像文件名                 图像标注信息 "
train_data/train_0001.jpg   简单可依赖
train_data/train_0002.jpg   用科技让复杂的世界更简单

PaddleOCR 提供了一份用于训练 icdar2015 数据集的标签文件，通过以下方式下载：


wget -P ./train_data/ic15_data  https://paddleocr.bj.bcebos.com/dataset/rec_gt_train.txt

wget -P ./train_data/ic15_data  https://paddleocr.bj.bcebos.com/dataset/rec_gt_test.txt

PaddleOCR 也提供了 数据格式转换脚本，可以将官网 label 转换支持的数据格式。 数据转换工具在 ppocr/utils/gen_label.py, 这里以训练集为例：


python gen_label.py --mode="rec" --input_path="{path/of/origin/label}" --output_label="rec_gt_label.txt"

最终训练集应有如下文件结构：

|-train_data
    |-ic15_data
        |- rec_gt_train.txt
        |- train
            |- word_001.png
            |- word_002.jpg
            |- word_003.jpg
            | ...
  • 测试集

同训练集类似，测试集也需要提供一个包含所有图片的文件夹（ test）和一个 rec_gt_test.txt，测试集的结构如下所示：

|-train_data
    |-ic15_data
        |- rec_gt_test.txt
        |- test
            |- word_001.jpg
            |- word_002.jpg
            |- word_003.jpg
            | ...

最后需要提供一个字典（ {word_dict_name}.txt），使模型在训练时，可以将所有出现的字符映射为字典的索引。

因此字典需要包含所有希望被正确识别的字符， {word_dict_name}.txt需要写成如下格式，并以 utf-8 编码格式保存：

l
d
a
d
r
n

word_dict.txt 每行有一个单字，将字符与数字索引映射在一起， &#x201C;and&#x201D; 将被映射成 [2 5 1]

ppocr/utils/ppocr_keys_v1.txt 是一个包含6623个字符的中文字典

ppocr/utils/ic15_dict.txt 是一个包含36个字符的英文字典

ppocr/utils/dict/french_dict.txt 是一个包含118个字符的法文字典

ppocr/utils/dict/japan_dict.txt 是一个包含4399个字符的日文字典

ppocr/utils/dict/korean_dict.txt 是一个包含3636个字符的韩文字典

ppocr/utils/dict/german_dict.txt 是一个包含131个字符的德文字典

ppocr/utils/dict/en_dict.txt 是一个包含63个字符的英文字典

您可以按需使用。

目前的多语言模型仍处在 demo阶段，会持续优化模型并补充语种， 非常欢迎您为我们提供其他语言的字典和字体，如您愿意可将字典文件提交至 dict 将语料文件提交至corpus，我们会在Repo中感谢您。

  • 自定义字典

如需自定义dic文件，请在 configs/rec/rec_icdar15_train.yml 中添加 character_dict_path 字段, 指向您的字典路径。
并将 character_type 设置为 ch。

  • 添加空格类别

如果希望支持识别”空格”类别, 请将 yml文件中的 use_space_char 字段设置为 True。

PaddleOCR基于动态图开源的文本识别算法列表：

  • CRNN(paper)[7]（ppocr推荐）
  • Rosetta(paper)[10]
  • STAR-Net(paper)[11]
  • RARE(paper)[12] coming soon
  • SRN(paper)[5] coming soon

参考[DTRB]文字识别训练和评估流程，使用 MJSynth和 SynthText两个文字识别数据集训练，在 IIIT, SVT, IC03, IC13, IC15, SVTP, CUTE数据集上进行评估，算法效果如下：

模型骨干网络Avg Accuracy模型存储命名下载链接RosettaResnet34_vd80.9%rec_r34_vd_none_none_ctc

RosettaMobileNetV378.05%rec_mv3_none_none_ctc

CRNNResnet34_vd82.76%rec_r34_vd_none_bilstm_ctc

CRNNMobileNetV379.97%rec_mv3_none_bilstm_ctc

StarNetResnet34_vd84.44%rec_r34_vd_tps_bilstm_ctc

StarNetMobileNetV381.42%rec_mv3_tps_bilstm_ctc

PaddleOCR提供了训练脚本、评估脚本和预测脚本，本节将以 CRNN 识别模型为例：

首先 下载预训练模型，您可以下载训练好的模型在 icdar2015 数据上进行 finetune

cd PaddleOCR/

wget -P ./pretrain_models/ https://paddleocr.bj.bcebos.com/dygraph_v2.0/en/rec_mv3_none_bilstm_ctc_v2.0_train.tar

cd pretrain_models
tar -xf rec_mv3_none_bilstm_ctc_v2.0_train.tar && rm -rf rec_mv3_none_bilstm_ctc_v2.0_train.tar

如果您安装的是cpu版本，请将配置文件中的 use_gpu 字段修改为false


python3 -m paddle.distributed.launch --gpus '0,1,2,3'  tools/train.py -c configs/rec/rec_icdar15_train.yml
  • 数据增强

PaddleOCR提供了多种数据增强方式，如果您希望在训练时加入扰动，请在配置文件中设置 distort: true。

默认的扰动方式有：颜色空间转换(cvtColor)、模糊(blur)、抖动(jitter)、噪声(Gasuss noise)、随机切割(random crop)、透视(perspective)、颜色反转(reverse)。

由于OpenCV的兼容性问题，扰动操作暂时只支持Linux

PaddleOCR支持训练和评估交替进行, 可以在 configs/rec/rec_icdar15_train.yml 中修改 eval_batch_step 设置评估频率，默认每500个 iter评估一次。评估过程中默认将最佳 acc模型，保存为 output/rec_CRNN/best_accuracy 。

如果验证集很大，测试将会比较耗时，建议减少评估次数，或训练完再进行评估。

提示： 可通过 -c 参数选择 configs/rec/ 路径下的多种模型配置进行训练， PaddleOCR支持的识别算法有：

配置文件算法名称backbonetransseqpred

CRNNMobilenet_v3 small 0.5NoneBiLSTMctc

CRNNResNet34_vdNoneBiLSTMctc

CRNNMobilenet_v3 large 0.5NoneBiLSTMctc

CRNNMobilenet_v3 large 0.5NoneBiLSTMctc

RosettaMobilenet_v3 large 0.5NoneNonectc

CRNNResnet34_vdNoneBiLSTMctc

RosettaResnet34_vdNoneNonectc

训练中文数据，推荐使用 rec_chinese_lite_train_v2.0.yml，如您希望尝试其他算法在中文数据集上的效果，请参考下列说明修改配置文件：

以 rec_chinese_lite_train_v2.0.yml 为例：

Global:
  ...

  character_dict_path: ppocr/utils/ppocr_keys_v1.txt

  character_type: ch
  ...

  use_space_char: True

Optimizer:
  ...

  lr:
    name: Cosine
    learning_rate: 0.001
  ...

...

Train:
  dataset:

    name: SimpleDataSet

    data_dir: ./train_data/

    label_file_list: ["./train_data/train_list.txt"]
    transforms:
      ...

      - RecResizeImg:

          image_shape: [3, 32, 320]
      ...

  loader:
    ...

    batch_size_per_card: 256
    ...

Eval:
  dataset:

    name: SimpleDataSet

    data_dir: ./train_data

    label_file_list: ["./train_data/val_list.txt"]
    transforms:
      ...

      - RecResizeImg:

          image_shape: [3, 32, 320]
      ...

  loader:

    batch_size_per_card: 256
    ...

注意，预测/评估时的配置文件请务必与训练一致。

评估数据集可以通过 configs/rec/rec_icdar15_train.yml 修改 Eval中的 label_file_path 设置。


python -m paddle.distributed.launch --gpus '0' tools/eval.py -c configs/rec/rec_icdar15_train.yml -o Global.checkpoints={path/to/weights}/best_accuracy

使用 PaddleOCR 训练好的模型，可以通过以下脚本进行快速预测。

默认预测图片存储在 infer_img 里，通过 -o Global.checkpoints 指定权重：


python3 tools/infer_rec.py -c configs/rec/rec_icdar15_train.yml -o Global.pretrained_model={path/to/weights}/best_accuracy Global.load_static_weights=false Global.infer_img=doc/imgs_words/en/word_1.png

预测使用的配置文件必须与训练一致，如您通过 python3 tools/train.py -c configs/rec/ch_ppocr_v2.0/rec_chinese_lite_train_v2.0.yml 完成了中文模型的训练，您可以使用如下命令进行中文模型预测。


python3 tools/infer_rec.py -c configs/rec/ch_ppocr_v2.0/rec_chinese_lite_train_v2.0.yml -o Global.pretrained_model={path/to/weights}/best_accuracy Global.load_static_weights=false Global.infer_img=doc/imgs_words/ch/word_1.jpg

识别模型转 inference模型与检测的方式相同，如下：


python3 tools/export_model.py -c configs/rec/ch_ppocr_v2.0/rec_chinese_lite_train_v2.0.yml -o Global.pretrained_model=./ch_lite/ch_ppocr_mobile_v2.0_rec_train/best_accuracy Global.load_static_weights=False Global.save_inference_dir=./inference/rec_crnn/

注意：如果您是在自己的数据集上训练的模型，并且调整了中文字符的字典文件，请注意修改配置文件中的 character_dict_path是否是所需要的字典文件。

转换成功后，在目录下有三个文件：

/inference/rec_crnn/
    ├── inference.pdiparams
    ├── inference.pdiparams.info
    └── inference.pdmodel

步骤三：文本角度分类模型

请按如下步骤设置数据集：

训练数据的默认存储路径是 PaddleOCR/train_data/cls,如果您的磁盘上已有数据集， Windows系统需要将数据集拷贝至对应位置， Linux只需创建软链接至数据集目录：

ln -sf <path/to/dataset> <path/to/paddle_ocr>/train_data/cls/dataset
  • *训练集

首先请将训练图片放入同一个文件夹（ train_images），并用一个 txt文件（ cls_gt_train.txt）记录图片路径和标签。

注意： 默认请将图片路径和图片标签用 \t 分割，如用其他方式分割将造成训练报错

0和 180分别表示图片的角度为 0度和 180度

" 图像文件名                 图像标注信息 "
train/word_001.jpg   0
train/word_002.jpg   180

最终训练集应有如下文件结构：

|-train_data
    |-cls
        |- cls_gt_train.txt
        |- train
            |- word_001.png
            |- word_002.jpg
            |- word_003.jpg
            | ...
  • *测试集

同训练集类似，测试集也需要提供一个包含所有图片的文件夹（ train）和一个 cls_gt_test.txt，测试集的结构如下所示：

|-train_data
    |-cls
        |- cls_gt_test.txt
        |- test
            |- word_001.jpg
            |- word_002.jpg
            |- word_003.jpg
            | ...

将准备好的 txt文件和图片文件夹路径分别写入配置文件的 Train/Eval.dataset.label_file_list 和 Train/Eval.dataset.data_dir 字段下， Train/Eval.dataset.data_dir字段下的路径和文件里记载的图片名构成了图片的绝对路径。

如果您安装的是cpu版本，请将配置文件中的 use_gpu 字段修改为false


python3 -m paddle.distributed.launch --gpus '0,1,2,3,4,5,6,7'  tools/train.py -c configs/cls/cls_mv3.yml

PaddleOCR提供了多种数据增强方式，如果您希望在训练时加入扰动，请在配置文件中取消 Train.dataset.transforms下的 RecAug和 RandAugment字段的注释。

默认的扰动方式有：颜色空间转换(cvtColor)、模糊(blur)、抖动(jitter)、噪声(Gasuss noise)、随机切割(random crop)、透视(perspective)、颜色反转(reverse),随机数据增强(RandAugment)。

由于OpenCV的兼容性问题，扰动操作暂时只支持linux

PaddleOCR支持训练和评估交替进行, 可以在 configs/cls/cls_mv3.yml 中修改 eval_batch_step 设置评估频率，默认每1000个iter评估一次。训练过程中将会保存如下内容：

├── best_accuracy.pdopt
├── best_accuracy.pdparams
├── best_accuracy.states
├── config.yml
├── latest.pdopt
├── latest.pdparams
├── latest.states
└── train.log

如果验证集很大，测试将会比较耗时，建议减少评估次数，或训练完再进行评估。

注意，预测/评估时的配置文件请务必与训练一致。

评估数据集可以通过修改 configs/cls/cls_mv3.yml文件里的 Eval.dataset.label_file_list 字段设置。

export CUDA_VISIBLE_DEVICES=0

python3 tools/eval.py -c configs/cls/cls_mv3.yml -o Global.checkpoints={path/to/weights}/best_accuracy

使用 PaddleOCR 训练好的模型，可以通过以下脚本进行快速预测。

通过 Global.infer_img 指定预测图片或文件夹路径，通过 Global.checkpoints 指定权重：


python3 tools/infer_cls.py -c configs/cls/cls_mv3.yml -o Global.pretrained_model={path/to/weights}/best_accuracy Global.load_static_weights=false Global.infer_img=doc/imgs_words/ch/word_1.jpg

方向分类模型转inference模型与检测的方式相同，如下：


python3 tools/export_model.py -c configs/cls/cls_mv3.yml -o Global.pretrained_model=./ch_lite/ch_ppocr_mobile_v2.0_cls_train/best_accuracy Global.load_static_weights=False Global.save_inference_dir=./inference/cls/

转换成功后，在目录下有三个文件：

/inference/cls/
    ├── inference.pdiparams
    ├── inference.pdiparams.info
    └── inference.pdmodel

以下代码实现了 文本检测、 方向分类器和 文本识别串联推理，在执行预测时，需要通过参数image_dir指定单张图像或者图像集合的路径、参数 det_model_dir指定检测inference模型的路径、参数 rec_model_dir指定识别inference模型的路径、参数 use_angle_cls指定是否使用方向分类器、参数 cls_model_dir指定方向分类器inference模型的路径、参数 use_space_char指定是否预测空格字符。可视化识别结果默认保存到 ./inference_results文件夹里面。


python tools/infer/predict_system.py --image_dir="./inference_img/11.jpg" --det_model_dir="./inference/ch_ppocr_mobile_v2.0_det_infer"  --rec_model_dir="./inference/ch_ppocr_mobile_v2.0_rec_infer" --cls_model_dir="./inference/ch_ppocr_mobile_v2.0_cls_infer" --use_angle_cls=True --use_space_char=True

python tools/infer/predict_system.py --image_dir="./doc/imgs/" --det_model_dir="./inference/ch_ppocr_mobile_v2.0_det_infer/"  --rec_model_dir="./inference/ch_ppocr_mobile_v2.0_rec_infer/" --cls_model_dir="./inference/ch_ppocr_mobile_v2.0_cls_infer/" --use_angle_cls=True --use_space_char=True

python tools/infer/predict_system.py --image_dir="./doc/imgs/11.jpg" --det_model_dir="./inference/ch_ppocr_mobile_v2.0_det_infer/"  --rec_model_dir="./inference/ch_ppocr_mobile_v2.0_rec_infer/" --cls_model_dir="./inference/ch_ppocr_mobile_v2.0_cls_infer/" --use_angle_cls=True --use_space_char=True --use_gpu=False

PaddleOCR提供的可下载模型包括 &#x63A8;&#x7406;&#x6A21;&#x578B;、 &#x8BAD;&#x7EC3;&#x6A21;&#x578B;、 &#x9884;&#x8BAD;&#x7EC3;&#x6A21;&#x578B;、 slim&#x6A21;&#x578B;，模型区别说明如下：

模型类型模型格式简介推理模型inference.pdmodel、inference.pdiparams用于python预测引擎推理，

训练模型、预训练模型.pdparams、.pdopt、.states训练过程中保存的模型的参数、优化器状态和训练中间信息，多用于模型指标评估和恢复训练slim模型.nb用于lite部署

一、文本检测模型

模型名称模型简介配置文件推理模型大小下载地址ch_ppocr_mobile_slim_v2.0_detslim裁剪版超轻量模型，支持中英文、多语种文本检测

推理模型 (coming soon) / 训练模型 (coming soon)ch_ppocr_mobile_v2.0_det原始超轻量模型，支持中英文、多语种文本检测

ch_ppocr_server_v2.0_det通用模型，支持中英文、多语种文本检测，比超轻量模型更大，但效果更好

47M

二、文本识别模型

模型名称模型简介配置文件推理模型大小下载地址ch_ppocr_mobile_slim_v2.0_recslim裁剪量化版超轻量模型，支持中英文、数字识别

ch_ppocr_mobile_v2.0_rec原始超轻量模型，支持中英文、数字识别

3.71M

ch_ppocr_server_v2.0_rec通用模型，支持中英文、数字识别

94.8M

说明： &#x8BAD;&#x7EC3;&#x6A21;&#x578B;是基于预训练模型在真实数据与竖排合成文本数据上finetune得到的模型，在真实应用场景中有着更好的表现， &#x9884;&#x8BAD;&#x7EC3;&#x6A21;&#x578B;则是直接基于全量真实数据与合成数据训练得到，更适合用于在自己的数据集上finetune。

模型名称模型简介配置文件推理模型大小下载地址en_number_mobile_slim_v2.0_recslim裁剪量化版超轻量模型，支持英文、数字识别

en_number_mobile_v2.0_rec原始超轻量模型，支持英文、数字识别

2.56M

说明： 新增的多语言模型的配置文件通过代码方式生成，您可以通过 --help参数查看当前PaddleOCR支持生成哪些多语言的配置文件：


cd {your/path/}PaddleOCR/configs/rec/multi_language/
python3 generate_multi_language_configs.py --help

下面以生成意大利语配置文件为例：

如果您仅仅想用配置文件测试PaddleOCR提供的多语言模型可以通过下面命令生成默认的配置文件，使用PaddleOCR提供的小语种字典进行预测。


cd {your/path/}PaddleOCR/configs/rec/multi_language/

python3 generate_multi_language_configs.py -l it

如果您想训练自己的小语种模型，可以准备好训练集文件、验证集文件、字典文件和训练数据路径，这里假设准备的意大利语的训练集、验证集、字典和训练数据路径为：

  • 训练集:{your/path/}PaddleOCR/train_data/train_list.txt
  • 验证集:{your/path/}PaddleOCR/train_data/val_list.txt
  • 使用PaddleOCR提供的默认字典：{your/path/}PaddleOCR/ppocr/utils/dict/it_dict.txt
  • 训练数据路径:{your/path/}PaddleOCR/train_data

使用以下命令生成配置文件：


cd {your/path/}PaddleOCR/configs/rec/multi_language/

python3 generate_multi_language_configs.py -l it \
--train train_data/train_list.txt \
--val train_data/val_list.txt \
--data_dir train_data \
-o Global.use_gpu=False

模型名称模型简介配置文件推理模型大小下载地址french_mobile_v2.0_rec法文识别

2.65M

german_mobile_v2.0_rec德文识别

2.65M

korean_mobile_v2.0_rec韩文识别

3.9M

japan_mobile_v2.0_rec日文识别

4.23M

it_mobile_v2.0_rec意大利文识别rec_it_lite_train.yml2.53M

xi_mobile_v2.0_rec西班牙文识别rec_xi_lite_train.yml2.53M

pu_mobile_v2.0_rec葡萄牙文识别rec_pu_lite_train.yml2.63M

ru_mobile_v2.0_rec俄罗斯文识别rec_ru_lite_train.yml2.63M

ar_mobile_v2.0_rec阿拉伯文识别rec_ar_lite_train.yml2.53M

hi_mobile_v2.0_rec印地文识别rec_hi_lite_train.yml2.63M

chinese_cht_mobile_v2.0_rec中文繁体识别rec_chinese_cht_lite_train.yml5.63M

ug_mobile_v2.0_rec维吾尔文识别rec_ug_lite_train.yml2.63M

fa_mobile_v2.0_rec波斯文识别rec_fa_lite_train.yml2.63M

ur_mobile_v2.0_rec乌尔都文识别rec_ur_lite_train.yml2.63M

rs_mobile_v2.0_rec塞尔维亚文（latin）识别rec_rs_lite_train.yml2.53M

oc_mobile_v2.0_rec欧西坦文识别rec_oc_lite_train.yml2.53M

mr_mobile_v2.0_rec马拉地文识别rec_mr_lite_train.yml2.63M

ne_mobile_v2.0_rec尼泊尔文识别rec_ne_lite_train.yml2.63M

rsc_mobile_v2.0_rec塞尔维亚文（cyrillic）识别rec_rsc_lite_train.yml2.63M

bg_mobile_v2.0_rec保加利亚文识别rec_bg_lite_train.yml2.63M

uk_mobile_v2.0_rec乌克兰文识别rec_uk_lite_train.yml2.63M

be_mobile_v2.0_rec白俄罗斯文识别rec_be_lite_train.yml2.63M

te_mobile_v2.0_rec泰卢固文识别rec_te_lite_train.yml2.63M

ka_mobile_v2.0_rec卡纳达文识别rec_ka_lite_train.yml2.63M

ta_mobile_v2.0_rec泰米尔文识别rec_ta_lite_train.yml2.63M

三、文本方向分类模型

模型名称模型简介配置文件推理模型大小下载地址ch_ppocr_mobile_slim_v2.0_clsslim量化版模型

ch_ppocr_mobile_v2.0_cls原始模型

1.38M

Original: https://blog.csdn.net/csdn1e/article/details/113317755
Author: great-wind
Title: PaddleOCR使用笔记之模型训练

原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/544691/

转载文章受原作者版权保护。转载请注明原作者出处！

赞 (0)
0

【自取】最近整理的，有需要可以领取学习：



Linux核心资料大放送~

全栈面试题汇总（持续更新&可下载）

一个提高学习100%效率的工具！

【超详细】深度学习面试题目！

LeetCode Python刷题答案下载！

LeetCode Java版刷题答案下载！

LeetCode C++ 版本，抓紧保存！

LeetCode GO语言 刷题答案下载！

大家都在看

亲爱的 Coder【最近整理，可免费获取】👉 最新必读书单  | 👏 面试题下载  | 🌎 免费的AI知识星球