1200字范文 > 使用Python基于VGG/CTPN/CRNN的自然场景文字方向检测/区域检测/不定长OCR识别

使用Python基于VGG/CTPN/CRNN的自然场景文字方向检测/区域检测/不定长OCR识别

时间：2023-08-22 00:53:38

GitHub：/pengcao/chinese_ocr/xiaofengShi/CHINESE-OCR

环境要求：

python3.6tensorflow1.7-cpu/gpugraphvizpydot(py)torchtorchvision

卸载旧版本的pytorch和torchvision

pip uninstall torchvisionpip uninstall torch

安装pytorch

1）Anaconda搜索torch

2）选择标记处点开

3）Anaconda Prompt -conda install -c peterjc123 pytorch

安装torchvision

conda install torchvision -c pytorch # TorchVision requires PyTorch 1.1 or newer

离线安装pytorch1）.whl安装

从pytorch官网/previous-versions/下载合适版本torch及torchvision的whl

# 直接对whl文件进行编译即可pip install torch-0.4.0-cp36-cp36m-linux_x86_64.whlpip install torchvision-0.2.1-py2.py3-none-any.whl

2）.tar.gz安装

下载对应版本的.tar.gz文件，并解压

# 进入解压目录，执行安装命令python setup.py install

离线安装GCC（Tensorflow部分第三方模块需要GCC进行编译，所以在安装第三方的依赖包之前先安装GCC）

从/download/gcc下载gcc-4.8.5-28.el7_5.1.x86_64.rpm版本，并且在require部分下载所需要的rpm文件（根据报错缺失的rpm下载）

rpm -ivh gcc-4.8.5-28.el7_5.1.x86_64.rpm# 如果已经有旧的版本会报conflicts with错误rpm -ivh gcc-4.8.5-28.el7_5.1.x86_64.rpm --force

模型

文本方向检测网络 - Classify(vgg16)文本区域检测网络 - CTPN(CNN+RNN) -支持CPU、GPU环境，一键部署 - 文本检测训练Github：/eragonruan/text-detection-ctpnEndToEnd文本识别网络 - CRNN(CNN+GRU/LSTM+CTC)

文本方向检测

训练：基于图像分类模型 - VGG16分类模型，训练0、90、180、270度检测的分类模型（angle/predict.py），训练图片8000张，准确率88.23%

模型：/s/1Sqbnoeh1lCMmtp64XBaK9w（n2v4）

文本区域检测

基于深度学习的文本区域检测方法：//01/23/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0-TextDetection/

CTPN(CNN+RNN)网路结构：

CTPN是一种基于目标检测方法的文本检测模型，在repo的CTPN中anchor的设置为固定宽度，高度不同，相关代码如下：

def generate_anchors(base_size=16, ratios=[0.5, 1, 2],scales=2 ** np.arange(3, 6)):heights = [11, 16, 23, 33, 48, 68, 97, 139, 198, 283]widths = [16]sizes = []for h in heights:for w in widths:sizes.append((h, w))return generate_basic_anchors(sizes)

基于这种设置，CTPN只能检测水平方向的文本，如果想要CTPN可以支持垂直文本检测，可以在anchor生成函数上进行修改

对CTPN进行训练：

训练脚本 - 定位到路径：./ctpn/ctpn/train_net.py预训练的VGG网络路径[VGG_imagenet.npy]：/s/1jzrcCr0tX6xAiVoolVRyew（a5ze) - 将预训练权重下载下来，pretrained_model指向该路径即可模型的预训练权重[checkpoint]：/s/1oS6_kqHgmcunkooTAXE8GA（xmjv)CTPN数据集[VOCdevkit.zip]：/s/1NXFmdP_OgRF42xfHXUhBHQ- 下载解压后将.ctpn/lib/datasets/pascal_voc.py文件中的pascal_voc类中的参数self.devkit_path指向数据集的路径即可

端到端(EndToEnd)文本识别

OCR识别采用GRU+CTC[CRNN(CNN+GRU/LSTM+CTC)]端到端识别技术，实现不分隔识别不定长文字

CTC -CTC算法原理

CTC是一种解码机制，在使用CTPN提取到待检测文本行之后，需要识别提取到的区域内的文本内容，目前广泛存在两种解码机制。

一种是Seq2Seq机制，输入的是图像，经过卷积编码之后再使用RNN解码，为了提高识别的准确率，一般会加入Attention机制；另一种就是CTC解码机制，但是对于CTC解码要满足一个前提，那就是输入序列的长度不小于输出序列的长度。CTC主要用于序列解码，不需要对序列中的每个元素进行标记，只需要知道输入序列对应的整个Label是什么即可，针对OCR项目，也就是输入一张图像上面写着“欢迎来到中国”这几个字，只需要是这几个字，而没必要知道这几个字在输入图像中所在的具体位置，实际上如果知道每个字所在的位置，就是单字符识别了，的确会降低任务的复杂多，但是现实中我们没有这么多标记号位置的数据，这个时候CTC就显得很重要了。

对CRNN进行训练：

keras版本：./train/keras_train/train_batch.py（model_path-指向预训练权重位置，MODEL_PATH-指向模型训练保存的位置）pythorch版本：./train/pytorch-train/crnn_main.py

parser.add_argument('--crnn',help="path to crnn (to continue training)",default=预训练权重的路径)parser.add_argument('--experiment',help='Where to store samples and models',default=定义的模型训练的权重保存位置)

模型：

keras模型预训练权重：/s/14cTCedz1ESnj0mM9ISm__w（1kb9)

pytorch预训练权重：/s/1kAXKudJLqJbEKfGcJUMVtw（9six）