|
|
|
|
@ -3,7 +3,7 @@
|
|
|
|
|
|
|
|
|
|
inference 模型（`fluid.io.save_inference_model`保存的模型）
|
|
|
|
|
一般是模型训练完成后保存的固化模型，多用于预测部署。训练过程中保存的模型是checkpoints模型，保存的是模型的参数，多用于恢复训练等。
|
|
|
|
|
与checkpoints模型相比，inference 模型会额外保存模型的结构信息，在预测部署、加速推理上性能优越，灵活方便，适合与实际系统集成。更详细的介绍请参考文档[分类预测框架](https://paddleclas.readthedocs.io/zh_CN/latest/extension/paddle_inference.html).
|
|
|
|
|
与checkpoints模型相比，inference 模型会额外保存模型的结构信息，在预测部署、加速推理上性能优越，灵活方便，适合与实际系统集成。更详细的介绍请参考文档[分类预测框架](https://github.com/PaddlePaddle/PaddleClas/blob/master/docs/zh_CN/extension/paddle_inference.md).
|
|
|
|
|
|
|
|
|
|
接下来首先介绍如何将训练的模型转换成inference模型，然后将依次介绍文本检测、文本识别以及两者串联基于预测引擎推理。
|
|
|
|
|
|
|
|
|
|
@ -11,6 +11,7 @@ inference 模型（`fluid.io.save_inference_model`保存的模型）
|
|
|
|
|
- [一、训练模型转inference模型](#训练模型转inference模型)
|
|
|
|
|
- [检测模型转inference模型](#检测模型转inference模型)
|
|
|
|
|
- [识别模型转inference模型](#识别模型转inference模型)
|
|
|
|
|
- [方向分类模型转inference模型](#方向分类模型转inference模型)
|
|
|
|
|
|
|
|
|
|
- [二、文本检测模型推理](#文本检测模型推理)
|
|
|
|
|
- [1. 超轻量中文检测模型推理](#超轻量中文检测模型推理)
|
|
|
|
|
@ -22,9 +23,14 @@ inference 模型（`fluid.io.save_inference_model`保存的模型）
|
|
|
|
|
- [1. 超轻量中文识别模型推理](#超轻量中文识别模型推理)
|
|
|
|
|
- [2. 基于CTC损失的识别模型推理](#基于CTC损失的识别模型推理)
|
|
|
|
|
- [3. 基于Attention损失的识别模型推理](#基于Attention损失的识别模型推理)
|
|
|
|
|
- [4. 自定义文本识别字典的推理](#自定义文本识别字典的推理)
|
|
|
|
|
- [4. 基于SRN损失的识别模型推理](#基于SRN损失的识别模型推理)
|
|
|
|
|
- [5. 自定义文本识别字典的推理](#自定义文本识别字典的推理)
|
|
|
|
|
- [6. 多语言模型的推理](#多语言模型的推理)
|
|
|
|
|
|
|
|
|
|
- [四、文本检测、识别串联推理](#文本检测、识别串联推理)
|
|
|
|
|
- [四、方向分类模型推理](#方向识别模型推理)
|
|
|
|
|
- [1. 方向分类模型推理](#方向分类模型推理)
|
|
|
|
|
|
|
|
|
|
- [五、文本检测、方向分类和文字识别串联推理](#文本检测、方向分类和文字识别串联推理)
|
|
|
|
|
- [1. 超轻量中文OCR模型推理](#超轻量中文OCR模型推理)
|
|
|
|
|
- [2. 其他模型推理](#其他模型推理)
|
|
|
|
|
|
|
|
|
|
@ -36,7 +42,7 @@ inference 模型（`fluid.io.save_inference_model`保存的模型）
|
|
|
|
|
|
|
|
|
|
下载超轻量级中文检测模型：
|
|
|
|
|
```
|
|
|
|
|
wget -P ./ch_lite/ https://paddleocr.bj.bcebos.com/ch_models/ch_det_mv3_db.tar && tar xf ./ch_lite/ch_det_mv3_db.tar -C ./ch_lite/
|
|
|
|
|
wget -P ./ch_lite/ https://paddleocr.bj.bcebos.com/20-09-22/mobile/det/ch_ppocr_mobile_v1.1_det_train.tar && tar xf ./ch_lite/ch_ppocr_mobile_v1.1_det_train.tar -C ./ch_lite/
|
|
|
|
|
```
|
|
|
|
|
上述模型是以MobileNetV3为backbone训练的DB算法，将训练好的模型转换成inference模型只需要运行如下命令：
|
|
|
|
|
```
|
|
|
|
|
@ -45,7 +51,7 @@ wget -P ./ch_lite/ https://paddleocr.bj.bcebos.com/ch_models/ch_det_mv3_db.tar &
|
|
|
|
|
# Global.checkpoints参数设置待转换的训练模型地址，不用添加文件后缀.pdmodel，.pdopt或.pdparams。
|
|
|
|
|
# Global.save_inference_dir参数设置转换的模型将保存的地址。
|
|
|
|
|
|
|
|
|
|
python3 tools/export_model.py -c configs/det/det_mv3_db.yml -o Global.checkpoints=./ch_lite/det_mv3_db/best_accuracy Global.save_inference_dir=./inference/det_db/
|
|
|
|
|
python3 tools/export_model.py -c configs/det/det_mv3_db_v1.1.yml -o Global.checkpoints=./ch_lite/ch_ppocr_mobile_v1.1_det_train/best_accuracy Global.save_inference_dir=./inference/det_db/
|
|
|
|
|
```
|
|
|
|
|
转inference模型时，使用的配置文件和训练时使用的配置文件相同。另外，还需要设置配置文件中的`Global.checkpoints`、`Global.save_inference_dir`参数。
|
|
|
|
|
其中`Global.checkpoints`指向训练中保存的模型参数文件，`Global.save_inference_dir`是生成的inference模型要保存的目录。
|
|
|
|
|
@ -61,7 +67,7 @@ inference/det_db/
|
|
|
|
|
|
|
|
|
|
下载超轻量中文识别模型：
|
|
|
|
|
```
|
|
|
|
|
wget -P ./ch_lite/ https://paddleocr.bj.bcebos.com/ch_models/ch_rec_mv3_crnn.tar && tar xf ./ch_lite/ch_rec_mv3_crnn.tar -C ./ch_lite/
|
|
|
|
|
wget -P ./ch_lite/ https://paddleocr.bj.bcebos.com/20-09-22/mobile/rec/ch_ppocr_mobile_v1.1_rec_train.tar && tar xf ./ch_lite/ch_ppocr_mobile_v1.1_rec_train.tar -C ./ch_lite/
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
识别模型转inference模型与检测的方式相同，如下：
|
|
|
|
|
@ -71,7 +77,7 @@ wget -P ./ch_lite/ https://paddleocr.bj.bcebos.com/ch_models/ch_rec_mv3_crnn.tar
|
|
|
|
|
# Global.checkpoints参数设置待转换的训练模型地址，不用添加文件后缀.pdmodel，.pdopt或.pdparams。
|
|
|
|
|
# Global.save_inference_dir参数设置转换的模型将保存的地址。
|
|
|
|
|
|
|
|
|
|
python3 tools/export_model.py -c configs/rec/rec_chinese_lite_train.yml -o Global.checkpoints=./ch_lite/rec_mv3_crnn/best_accuracy \
|
|
|
|
|
python3 tools/export_model.py -c configs/rec/ch_ppocr_v1.1/rec_chinese_lite_train_v1.1.yml -o Global.checkpoints=./ch_lite/ch_ppocr_mobile_v1.1_rec_train/best_accuracy \
|
|
|
|
|
Global.save_inference_dir=./inference/rec_crnn/
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
@ -84,6 +90,32 @@ python3 tools/export_model.py -c configs/rec/rec_chinese_lite_train.yml -o Globa
|
|
|
|
|
└─ params 识别inference模型的参数文件
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
<a name="方向分类模型转inference模型"></a>
|
|
|
|
|
### 方向分类模型转inference模型
|
|
|
|
|
|
|
|
|
|
下载方向分类模型：
|
|
|
|
|
```
|
|
|
|
|
wget -P ./ch_lite/ https://paddleocr.bj.bcebos.com/20-09-22/cls/ch_ppocr_mobile_v1.1_cls_train.tar && tar xf ./ch_lite/ch_ppocr_mobile_v1.1_cls_train.tar -C ./ch_lite/
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
方向分类模型转inference模型与检测的方式相同，如下：
|
|
|
|
|
```
|
|
|
|
|
# -c后面设置训练算法的yml配置文件
|
|
|
|
|
# -o配置可选参数
|
|
|
|
|
# Global.checkpoints参数设置待转换的训练模型地址，不用添加文件后缀.pdmodel，.pdopt或.pdparams。
|
|
|
|
|
# Global.save_inference_dir参数设置转换的模型将保存的地址。
|
|
|
|
|
|
|
|
|
|
python3 tools/export_model.py -c configs/cls/cls_mv3.yml -o Global.checkpoints=./ch_lite/ch_ppocr_mobile_v1.1_cls_train/best_accuracy \
|
|
|
|
|
Global.save_inference_dir=./inference/cls/
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
转换成功后，在目录下有两个文件：
|
|
|
|
|
```
|
|
|
|
|
/inference/cls/
|
|
|
|
|
└─ model 识别inference模型的program文件
|
|
|
|
|
└─ params 识别inference模型的参数文件
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
<a name="文本检测模型推理"></a>
|
|
|
|
|
## 二、文本检测模型推理
|
|
|
|
|
|
|
|
|
|
@ -266,26 +298,83 @@ Predicts of ./doc/imgs_words_en/word_336.png:['super', 0.9999555]
|
|
|
|
|
self.character_str = "0123456789abcdefghijklmnopqrstuvwxyz"
|
|
|
|
|
dict_character = list(self.character_str)
|
|
|
|
|
```
|
|
|
|
|
<a name="基于SRN损失的识别模型推理"></a>
|
|
|
|
|
### 4. 基于SRN损失的识别模型推理
|
|
|
|
|
|
|
|
|
|
基于SRN损失的识别模型，需要额外设置识别算法参数 --rec_algorithm="SRN"。 同时需要保证预测shape与训练时一致，如： --rec_image_shape="1, 64, 256"
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
python3 tools/infer/predict_rec.py --image_dir="./doc/imgs_words_en/word_336.png" \
|
|
|
|
|
--rec_model_dir="./inference/srn/" \
|
|
|
|
|
--rec_image_shape="1, 64, 256" \
|
|
|
|
|
--rec_char_type="en" \
|
|
|
|
|
--rec_algorithm="SRN"
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
<a name="自定义文本识别字典的推理"></a>
|
|
|
|
|
### 4. 自定义文本识别字典的推理
|
|
|
|
|
### 5. 自定义文本识别字典的推理
|
|
|
|
|
如果训练时修改了文本的字典，在使用inference模型预测时，需要通过`--rec_char_dict_path`指定使用的字典路径
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
python3 tools/infer/predict_rec.py --image_dir="./doc/imgs_words_en/word_336.png" --rec_model_dir="./your inference model" --rec_image_shape="3, 32, 100" --rec_char_type="en" --rec_char_dict_path="your text dict path"
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
<a name="文本检测、识别串联推理"></a>
|
|
|
|
|
## 四、文本检测、识别串联推理
|
|
|
|
|
<a name="多语言模型的推理"></a>
|
|
|
|
|
### 6. 多语言模型的推理
|
|
|
|
|
如果您需要预测的是其他语言模型，在使用inference模型预测时，需要通过`--rec_char_dict_path`指定使用的字典路径, 同时为了得到正确的可视化结果，
|
|
|
|
|
需要通过 `--vis_font_path` 指定可视化的字体路径，`doc/` 路径下有默认提供的小语种字体，例如韩文识别：
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
python3 tools/infer/predict_rec.py --image_dir="./doc/imgs_words/korean/1.jpg" --rec_model_dir="./your inference model" --rec_char_type="korean" --rec_char_dict_path="ppocr/utils/dict/korean_dict.txt" --vis_font_path="doc/korean.ttf"
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
执行命令后，上图的预测结果为：
|
|
|
|
|
``` text
|
|
|
|
|
2020-09-19 16:15:05,076-INFO: index: [205 206 38 39]
|
|
|
|
|
2020-09-19 16:15:05,077-INFO: word : 바탕으로
|
|
|
|
|
2020-09-19 16:15:05,077-INFO: score: 0.9171358942985535
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
<a name="方向分类模型推理"></a>
|
|
|
|
|
## 四、方向分类模型推理
|
|
|
|
|
|
|
|
|
|
下面将介绍方向分类模型推理。
|
|
|
|
|
|
|
|
|
|
<a name="方向分类模型推理"></a>
|
|
|
|
|
### 1. 方向分类模型推理
|
|
|
|
|
|
|
|
|
|
方向分类模型推理，可以执行如下命令：
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
python3 tools/infer/predict_cls.py --image_dir="./doc/imgs_words/ch/word_4.jpg" --cls_model_dir="./inference/cls/"
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
执行命令后，上面图像的预测结果（分类的方向和得分）会打印到屏幕上，示例如下：
|
|
|
|
|
|
|
|
|
|
Predicts of ./doc/imgs_words/ch/word_4.jpg:['0', 0.9999963]
|
|
|
|
|
|
|
|
|
|
<a name="文本检测、方向分类和文字识别串联推理"></a>
|
|
|
|
|
## 五、文本检测、方向分类和文字识别串联推理
|
|
|
|
|
<a name="超轻量中文OCR模型推理"></a>
|
|
|
|
|
### 1. 超轻量中文OCR模型推理
|
|
|
|
|
|
|
|
|
|
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模型的路径和参数rec_model_dir指定识别inference模型的路径。可视化识别结果默认保存到 ./inference_results 文件夹里面。
|
|
|
|
|
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`,`cls_model_dir`和`rec_model_dir`分别指定检测，方向分类和识别的inference模型路径。参数`use_angle_cls`用于控制是否启用方向分类模型。可视化识别结果默认保存到 ./inference_results 文件夹里面。
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
python3 tools/infer/predict_system.py --image_dir="./doc/imgs/2.jpg" --det_model_dir="./inference/det_db/" --rec_model_dir="./inference/rec_crnn/"
|
|
|
|
|
# 使用方向分类器
|
|
|
|
|
python3 tools/infer/predict_system.py --image_dir="./doc/imgs/2.jpg" --det_model_dir="./inference/det_db/" --cls_model_dir="./inference/cls/" --rec_model_dir="./inference/rec_crnn/" --use_angle_cls=true
|
|
|
|
|
|
|
|
|
|
# 不使用方向分类器
|
|
|
|
|
python3 tools/infer/predict_system.py --image_dir="./doc/imgs/2.jpg" --det_model_dir="./inference/det_db/" --rec_model_dir="./inference/rec_crnn/" --use_angle_cls=false
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
执行命令后，识别结果图像如下：
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
WenmuZhou
4 years ago
