pytorch ocr 数字识别库_pytorch handbook

大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

CVPR2022弱监督语义分割：https://blog.csdn.net/Sierkinhane/article/details/126228039

开源仓库：https://github.com/CVI-SZU/CLIMS

简单单人跟踪：https://github.com/Sierkinhane/human_tracker（基于目标检测与特征映射算法）

演示视频：https://www.bilibili.com/video/av44360925

斯坦福机器学习课程资料以及算法实现吴恩达-斯坦福CS229机器学习课程资料与算法的Python实现_Sierkinhane的博客-CSDN博客

代码仓库：GitHub – Sierkinhane/CS229-ML-Implementation: Implementation of algorithms introduced in CS229.

     在六七月份参加了一个比赛，做的项目是提取图片中的文字信息，首先是接触了一些文本检测算法（如CTPN，East），后研究了文本识别算法（我认为较好的是CRNN）。代码实现是参考算法提出者的pytorch，python3版本的crnn实现。因为python版本的迭代，导致代码重使用比较难，其中涉及到ctc，python编码，中文数据集，如何将模型finetune到自己的应用场景上种种问题。实现的深度学习框架是pytorch，虽然TensorFlow也可以，但是比较多坑。其实是什么框架实现的都没关系，现在语法都是比较简单，看懂不难！

     因为自己已经踩了很多坑，也填好了这些坑，就将自己填好的项目贡献给大家！

     GitHub – Sierkinhane/CRNN_Chinese_Characters_Rec: (CRNN) Chinese Characters Recognition. 代码地址

     这次分享的是文本识别算法CRNN，具体的内容我就不涉及了，这篇文章主要是做算法代码的实现（参考原作者），建议大家研读算法一定要看作者发的Paper！ CRNN论文地址：http://arxiv.org/abs/1507.05717（作者是华中科技大学的老师）

     先放一些效果图，利用360万的中文数据训练集，最后可以finetune到97.7%的验证准确率，训练好的模型在train_models文件夹

    第一、二张图片是最近修改的一个demo，第三、四张图是CTPN算法和CRNN的结合，可以将图片上的任何文字信息提取。因为CTPN要求的环境比较复杂，所以这次只放出CRNN的代码，因为CRNN实现环境比较简单。

    现在开始介绍代码：

代码的实现必须是Linux环境（因为涉及到warp-ctc的安装，最好是Ubuntu16.04，能跳的坑我基本都填了）

1. Warp-ctc安装

首先得安装warp-ctc GitHub – SeanNaren/warp-ctc: Pytorch Bindings for warp-ctc，这是pytorch版本的ctc实现（计算序列loss，具体看论文），安装方法按照作者的步骤即可，如果遇到问题可以私聊我。我是在Ubuntu16.04安装的，并没有太大问题，但是在17.04就遇到很多问题，所以最好用Ubuntu16.04作为代码实现环境。

现在只需将pytorch更新至1.1.0，使用其自带的ctcloss即可。

2. 测试

    安装好ctc后，直接运行终端输入 python3 test.py 试下效果，测试图片在test_images文件夹下。

3. 训练

    正确的训练效果如图。

    训练之前首先制作数据集，因为360万的中文数据集制作成lmdb格式的数据有十几G，就没直接放到Github中。

    先下载360万中文数据集：Synthetic Chinese String Dataset .rar_免费高速下载|百度网盘-分享无限制

    对于数据集我想说明一下，在文字识别领域有比较多的识别场景，例如场景文本识别，比较正规的图片信息识别，这些不同的应用场景需要对应不同的数据集训练，这次我自己应用到的场景比较正规的字体识别，所以这个训练集不一定能够用到所有场景，但也确实提供了一个不错数据集资源！还有就是训练集最好是具有语义信息，如果只是将文字随机的组合生成图片作为训练集，模型收敛会更慢并且准确率受限！

   下图是部分训练集

      （这个数据是在Github中找到的，暂时没找到他的地址，很感谢作者的奉献！）

       数据集是随机选取定长的字数，经过模糊、倾斜、颜色变化等操作之后生成的，比较具有一般性，能很好地提升模型的Robust。

        下载好数据集之后如果解压出错，不完整，可以用好压进行修复。

        修改crnn_main_v2.py中的图片路径和标签路径，运行python crnn_main_v2.py即可

        接下来是制作lmdb格式的数据。

        图片与之对应的标签我链接:https://pan.baidu.com/s/1jfAKQVjD-SMJSffOwGhh8A 密码:u7bo，只需要将下载好的数据集放到lmdb文件中，根据情况修改to_lmdb.py中的文件名 运行该py程序就可以制作lmdb格式的数据！（需要用Python2来运行to_lmdb.py）

          制作好数据集之后将它放到lmdb_dataset文件夹中调出终端：

       python3 crnn_main.py –train_root 训练数据集路径 –val_root 验证集路径 –cuda (如果有cuda加速可选)

       大概流程就是这样了，最主要的还是自己看待自己琢磨！

       （不定长识别是将训练集图片的放缩feed到神经网络中的尺寸应用到测试中，test.py已经标注！）

       （如果有帮助到你，可以在Github给我个star！）

       （下一篇：斯坦福机器学习课程资料以及算法实现吴恩达-斯坦福CS229机器学习课程资料与算法的Python实现_Sierkinhane的博客-CSDN博客）