Press "Enter" to skip to content

EasyOCR 识别模型训练

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

0. 开始之前

 

EasyOCR 中使用的神经网络模型在每个阶段会不同基于开源的项目:数据集整合、数据集训练、模型使用。分别对应三种不同的框架。

 

训练数据生成:

 

GitHub – Belval/TextRecognitionDataGenerator: A synthetic data generator for text recognition

 

训练数据转换:

 

GitHub – DaveLogs/TRDG2DTRB: Convert TextRecognitionDataGenerator’s result data to deep-text-recognition-benchmark’s input data.

 

训练和部署模型:

 

https://github.com/clovaai/deep-text-recognition-benchmark

 

使用用户学习模型:

 

GitHub – JaidedAI/EasyOCR: Ready-to-use OCR with 80+ supported languages and all popular writing scripts including Latin, Chinese, Arabic, Devanagari, Cyrillic and etc.

 

1. 创建训练数据

 

训练数据生成步骤将使用一个名为 TextRecognitionDataGenerator 的开源项目。

 

参考: https://blog.csdn.net/leiwuhen92/article/details/126419244 文本识别数据生成器-TextRecognitionDataGenerator

 

trdg -c 2000000 -w 5 -f 64 -k 5 生成训练数据 2000000 条:

 

 

下一步是进行一个简单的数据转换过程,因为本文中使用 TextRecognitionDataGenerator 项目生成的学习数据不是 deep-text-recognition-benchmark 项目学习 所需的数据结构。

 

2. 学习数据转换

 

使用 TextRecognitionDataGenerator 项目生成的学习数据不是 deep-text-recognition-benchmark 项目学习 所需的数据结构。需要进行转换

 

跳转中…

 

2.1、项目安装

 

$ git clone https://github.com/DaveLogs/TRDG2DTRB.git

 

2.2、数据转换

 

输入数据结构:

 

 

执行命令进行转换:

 

python3 convert.py  --input_path /home/ocr/  --output_path ./output

 

输出:

 

 

生成的数据由图像文件列表和 gt.txt 文件组成,其中存储了每个图像文件的标签。

 

输出数据结构:

 

 

3. 训练模型

 

需要借助 deep-text-recognition-benchmark的 开源项目。

 

3.1、项目安装

 

# 下载源代码
$ git clone https://github.com/clovaai/deep-text-recognition-benchmark.git
# 搭建开发环境
$ pip3 install torch torchvision
$ pip3 install lmdb pillow nltk natsort
$ pip3 install fire

 

3.2、准备阶段

 

准备用于神经网络训练的训练数据和微调学习所需的预训练模型。

 

3.2.1、训练数据

 

 

3.2.2、 将训练数据转换为lmdb格式

 

在deep-text-recognition-benchmark项目中使用以下命令语法将其转换为lmdb格式以供实际学习时使用。

 

# deep-text-recognition-benchmark 从项目根运行
(venv) $ python3 create_lmdb_dataset.py \
        --inputPath /home/TRDG2DTRB/output/ \
        --gtFile /home/TRDG2DTRB/output/gt.txt \
        --outputPath result/

 

 

至此,准备训练数据的一系列过程就结束了。

 

为了提高学习性能,将 训练和验证的训练数据分别分为MJ和ST 来构建数据,训练时设置batch_ratio来学习MJ和ST数据以适当的比例。

 

 

3.2.3、准备预训练模型

 

下载学习模型 跳转中… https://link.zhihu.com/?target=https%3A//github.com/clovaai/deep-text-recognition-benchmark%23run-demo-with-pretrained-model 下载与实际 EasyOCR 中使用的基本模型具有相同网络结构(’ None-VGG-BiLSTM-CTC ‘)的预训练模型。

 

 

3.2.4、 项目和预模型正常运行的确认

 

让我们使用以下语法测试deep-text-recognition-benchmark项目是否与下载的模型正常工作。

 

# demo.py中可查看参数及其定义

 

 

python3 demo.py \
--Transformation None \
--FeatureExtraction VGG \
--SequenceModeling BiLSTM \
--Prediction CTC \
--image_folder demo_image/ \
--saved_model None-VGG-BiLSTM-CTC.pth

 

 

3.3、训练模型

 

训练数据 和学习所需的 预训练模型 ( None-VGG-BiLSTM-CTC.pth )都准备好了,就可以使用deep-text-recognition-benchmark项目提供的以下命令语法开始学习。

 

# train.py中查看参数及其定义

 

 

python3 train.py --train_data lmdb/training \
--valid_data lmdb/validation \
--select_data MJ-ST \
--batch_ratio 0.5-0.5 \
--Transformation None \
--FeatureExtraction VGG \
--SequenceModeling BiLSTM \
--Prediction CTC \
--saved_model None-VGG-BiLSTM-CTC.pth \
--num_iter 2000 \
--valInterval 20 \
--FT

 

上述命令语法的简要说明如下。

 

–train_data : 训练数据中训练的数据路径

 

–valid_data : 训练数据之间验证的数据路径

 

–select_data : 选择训练数据(默认为MJ-ST,即MJ和ST作为训练数据)

 

–batch_ratio:为批次中的每个选定数据分配比率

 

— Transformation :选择要使用的转换模块。[‘无’,’TPS’]

 

— FeatureExtraction : 选择要使用的 FeatureExtraction 模块,[‘RCNN’、’ResNet’、’VGG’]

 

— SequenceModeling :选择要使用的 SequenceModeling 模块。[‘无’,’BiLSTM’]

 

— Prediction :选择要使用的预测模块。[‘Attn’, ‘CTC’]

 

–saved_mode l : 用于微调学习的 预训练模型 的存储位置

 

–num_iter : 训练迭代次数,默认300000

 

–valInterval :每次检验之间的时间间隔,默认2000

 

–FT : 是否学习微调

 

–lr:学习率,对于 Adadelta,默认 = 1.0

 

–batch_max_length:最大标签长度,默认值25

 

–imgH: 输入图像的高度,默认32      # 后面的 识别配置模块nvbc.yaml文件会用到

 

–input_channel: 特征提取器的输入通道数,默认1

 

–output_channel: 特征提取器的输出通道数, 默认512

 

–hidden_size: LSTM 隐藏状态的大小,默认256

 

报错: 提示 训练 模型需在CUDA设备上运行

 

 

但若想在CPU上运行,可根据提示修改为如下:

 

 

再次运行,得到:

 

 

等待一段时间,直至出现“end the training”字符,训练结束。

 

学习结果保存在当前目录下的 /saved_models 文件夹中:

 

 

存储的学习结果信息如下:

 

best_accuracy.pth / best_norm_ED.pth:在经过训练的模型文件中具有特定性能指数的选定模型;

 

log_dataset.txt:用于训练的数据集信息;

 

log_train.txt:训练正在进行时的日志(与上面终端中显示的相同)

 

opt.txt:执行学习命令语法时设置的学习选项信息

 

3.4、测试模型

 

让我们使用训练好的模型 best_accuracy.pth 来检查训练是否正确完成。

 

同样,上面使用的语法按原样使用。但是,要使用的模型被指定为新学习的模型 ( ./saved_models/ None-VGG-BiLSTM-CTC-Seed1111 /best_accuracy.pth ) 。

 

# 测试项目中包含的演示图像
python3 demo.py \
--Transformation None \
--FeatureExtraction VGG \
--SequenceModeling BiLSTM \
--Prediction CTC \
--image_folder demo_image/ \
--saved_model ./saved_models/None-VGG-BiLSTM-CTC-Seed1111/best_accuracy.pth

 

 

4. 使用模型

 

前提:环境上已经安装easyocr。

 

4.1、用户模型环境配置

 

用户学习模型、模块和配置文件的名称必须统一 ,这里假设用户模型文件的名称设置为“nvbc”。

 

 

复制3.3节生成的用户模型 ./saved_models/ None-VGG-BiLSTM-CTC-Seed1111 / best_accuracy.pth 到/root/.EasyOCR/model/,改名为nvbc.pth;

 

在/root/.EasyOCR/user_network/下建立 用户识别模型网络模块nvbc.py , 用户识别配置模块nvbc.yaml 。

 

 

 

4.1.1、创建nvbc.yaml

 

该配置文件包含用于训练学习模型的参数和使用EasyOCR模块所需的参数信息。

 

# 值要与 deep-text-recognition-benchmark/train.py中的值保持一致,因为是根据train.py训练出来的模型

 

network_params:
  input_channel: 1
  output_channel: 512
  hidden_size: 256
imgH: 32
lang_list:
         - 'nvbc'   # 语言代码   对应与/usr/local/lib/python3.6/dist-packages/easyocr/character/nvbc_char.txt,没有则创建
character_list: 0123456789abcdefghijklmnopqrstuvwxyz   # 学习数据类

 

4.1.2、创建nvbc.py

 

定义用户识别模型网络结构的模块文件 ,由于我们使用了EasyOCR模块中使用的’ TPS-ResNet-BiLSTM-Attn ‘结构,所以 可以使用 EasyOCR 项目提供的文件进行如下配置 :

 

import torch.nn as nn
class Model(nn.Module):
    def __init__(self, input_channel, output_channel, hidden_size, num_class):
        super(Model, self).__init__()
        """ FeatureExtraction """
        self.FeatureExtraction = VGG_FeatureExtractor(input_channel, output_channel)
        self.FeatureExtraction_output = output_channel
        self.AdaptiveAvgPool = nn.AdaptiveAvgPool2d((None, 1))
        """ Sequence modeling"""
        self.SequenceModeling = nn.Sequential(
            BidirectionalLSTM(self.FeatureExtraction_output, hidden_size, hidden_size),
            BidirectionalLSTM(hidden_size, hidden_size, hidden_size))
        self.SequenceModeling_output = hidden_size
        """ Prediction """
        self.Prediction = nn.Linear(self.SequenceModeling_output, num_class)
    def forward(self, input, text):
        """ Feature extraction stage """
        visual_feature = self.FeatureExtraction(input)
        visual_feature = self.AdaptiveAvgPool(visual_feature.permute(0, 3, 1, 2))
        visual_feature = visual_feature.squeeze(3)
        """ Sequence modeling stage """
        contextual_feature = self.SequenceModeling(visual_feature)
        """ Prediction stage """
        prediction = self.Prediction(contextual_feature.contiguous())
        return prediction
class BidirectionalLSTM(nn.Module):
    def __init__(self, input_size, hidden_size, output_size):
        super(BidirectionalLSTM, self).__init__()
        self.rnn = nn.LSTM(input_size, hidden_size, bidirectional=True, batch_first=True)
        self.linear = nn.Linear(hidden_size * 2, output_size)
    def forward(self, input):
        """
        input : visual feature [batch_size x T x input_size]
        output : contextual feature [batch_size x T x output_size]
        """
        try: # multi gpu needs this
            self.rnn.flatten_parameters()
        except: # quantization doesn't work with this
            pass
        recurrent, _ = self.rnn(input)  # batch_size x T x input_size -> batch_size x T x (2*hidden_size)
        output = self.linear(recurrent)  # batch_size x T x output_size
        return output
class VGG_FeatureExtractor(nn.Module):
    def __init__(self, input_channel, output_channel=256):
        super(VGG_FeatureExtractor, self).__init__()
        self.output_channel = [int(output_channel / 8), int(output_channel / 4),
                               int(output_channel / 2), output_channel]
        self.ConvNet = nn.Sequential(
            nn.Conv2d(input_channel, self.output_channel[0], 3, 1, 1), nn.ReLU(True),
            nn.MaxPool2d(2, 2),
            nn.Conv2d(self.output_channel[0], self.output_channel[1], 3, 1, 1), nn.ReLU(True),
            nn.MaxPool2d(2, 2),
            nn.Conv2d(self.output_channel[1], self.output_channel[2], 3, 1, 1), nn.ReLU(True),
            nn.Conv2d(self.output_channel[2], self.output_channel[2], 3, 1, 1), nn.ReLU(True),
            nn.MaxPool2d((2, 1), (2, 1)),
            nn.Conv2d(self.output_channel[2], self.output_channel[3], 3, 1, 1, bias=False),
            nn.BatchNorm2d(self.output_channel[3]), nn.ReLU(True),
            nn.Conv2d(self.output_channel[3], self.output_channel[3], 3, 1, 1, bias=False),
            nn.BatchNorm2d(self.output_channel[3]), nn.ReLU(True),
            nn.MaxPool2d((2, 1), (2, 1)),
            nn.Conv2d(self.output_channel[3], self.output_channel[3], 2, 1, 0), nn.ReLU(True))
    def forward(self, input):
        return self.ConvNet(input)

 

作为参考,如果你想通过改变模型的网络结构来学习和使用, deep-text-recognition-benchmark 项目的’deep-text-recognition-benchmark/model.py’文件和’deep-text -recognition-benchmark/modules/ 你可以参考’.custom.py’中的文件来配置这个’custom.py’文件。

 

4.2、 EasyOCR 运行参数

 

参考: OCR-easyocr初识_青霄的博客-CSDN博客

 

编写如下代码并运行它:testzq.py

 

from easyocr.easyocr import *
# # GPU 环境
# os.environ['CUDA_VISIBLE_DEVICES'] = '0,1'
def get_files(path):
    files = [f for f in os.listdir(path) if not f.startswith('.')]  # skip hidden file
    files.sort()
    abspath = os.path.abspath(path)
    file_list = []
    for file in files:
        file_path = os.path.join(abspath, file)
        file_list.append(file_path)
    return file_list, len(file_list)
if __name__ == '__main__':
    # Using custom model
    reader = Reader(['nvbc'], gpu=False,   # 语言存储在/usr/local/lib/python3.6/dist-packages/easyocr/character/nvbc_char.txt
                    model_storage_directory='/root/.EasyOCR/model',  
                    user_network_directory='/root/.EasyOCR/user_network',
                    recog_network='nvbc')
    files, count = get_files(path='/home/deep-text-recognition-benchmark/demo_image/')
    for idx, file in enumerate(files):
        filename = os.path.basename(file)
        result = reader.readtext(file)
        # ./easyocr/utils.py 733 lines
        # result[0]: bbox
        # result[1]: string
        # result[2]: confidence
        for (bbox, string, confidence) in result:
            print("filename: '%s', confidence: %.4f, string: '%s'" % (filename, confidence, string))

 

使用用户模型运行: python3 testzq.py,结果如下:

 

 

错误1:训练数据比较大时,训练模型报错:ValueError: num_samples should be a positive integer value, but got num_samples=0

 

 

原因是:图片的名称长度大于–batch_max_length的默认值、而且包含的字符不在默认的–character中

 

 

五、参考

 

Easy-OCR笔记整理 – 知乎 如果可以在瑞士工作一年的话,我会享受这样的生活。 学习EasyOCR用户模型这次通过EasyOCR提供的API,不是使用OCR功能时使用的基本神经网络模型,而是直接准备和学习用户想要学习的数据,并创建和使用具有所需性能… https://zhuanlan.zhihu.com/p/400270506

 

【扫盲】RCNN+CTC字符训练识别_哔哩哔哩_bilibili 欢迎关注公众号:小鸡炖技术 ,后台回复:“RCNN+CTC”获取本教程素材~~~, 视频播放量 3161、弹幕量 0、点赞数 38、投硬币枚数 34、收藏人数 103、转发人数 5, 视频作者 小鸡炖技术, 作者简介 公众号:小鸡炖技术,相关视频:【陈巍学基因】视频30:CellSearch检测CTC,见微知着的查癌方法——CTC循环肿瘤细胞检测,字符识别,时间序列LSTM深度学习模型代码讲解,1.1Faster RCNN理论合集,6、字符分割,如何读懂PyTorch深度学习代码-第一个深度学习实例-手写字符识别代码解析,【扫盲】DarkNet下YoloV4训练,阿丘科技深度学习AIDI讲解之字符识别,美国铁路CTC调度集中系统 – BNSF铁路官方科普【搬运】 https://www.bilibili.com/video/BV1JA411t7H9 deep-text-recognition-benchmark https://link.zhihu.com/?target=https%3A//github.com/clovaai/deep-text-recognition-benchmark

 

python – Size mismatch for fc.bias and fc.weight in PyTorch – Stack Overflow https://stackoverflow.com/questions/53612835/size-mismatch-for-fc-bias-and-fc-weight-in-pytorch

 

PyTorch加载模型出现Error(s) in loading state_dict() for Model问题,Unexpected key(s) in state_dict: “…“_行走的笔记的博客-CSDN博客 问题:模型在训练过程中可以正常训练,但是测试的时候出现了错误,如下所示:RuntimeError: Error(s) in loading state_dict for ModuleList:Missing key(s) in state_dict: “0.weight”, “1.weight”, “1.bias”, “1.running_mean”, “1.running_var”, Unexpected key(s) in state_dict: “conv1.weight”, “bn1.we https://blog.csdn.net/qq_45777045/article/details/109481993 Ubuntu 18.04 安装 NVIDIA 显卡驱动 – 知乎 我们今天的目标是在 Ubuntu 18.04 上安装 NVIDIA 显卡驱动,请注意,你的显卡一定要是 NVIDIA 的显卡才能按照这篇文章的方法安装。我将给大家介绍三种安装方法,建议使用第一种方法安装。 先来说说带有 NVIDIA 独… https://zhuanlan.zhihu.com/p/59618999

Be First to Comment

发表回复

您的电子邮箱地址不会被公开。