PaddleOCR(release2.5)DBnet多分类识别检测

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

在做一些场景的文本检测时，很多时候我们希望识别指定位置的文本，参考大佬们的系列文章与代码，他们提供了很不错的解决思路：
DBNet文本目标检测，带多分类
pytorchOCR之DBnet（多类别文本检测1）
学习大佬的代码后，成功移植到PaddleOCR release2.5上（支持PP-OCRv3预训练模型），供大家开箱即用。
代码地址

---

一、使用PPOCRLabel半自动化标注后训练

1.使用PPOCRLabel标注
PPOCRLabel是一款适用于OCR领域的半自动化图形标注工具，内置PP-OCR模型对数据自动标注和重新识别。标注分类需使用KIE模式启动，命令如下：

PPOCRLabel --lang ch --kie True

用该命令启动PPOCRLabel后可以为标注的区块加一个分类，保存的数据中会多一个字段：key_cls。
2.训练
根据自己的需求修改配置文件相关信息后开始训练。

二、一些问题

1.num_classes参数

理论来说，下图的代码会自动帮我们添加num_classes参数的配置，但是使用时总无效。

本着能走捷径就走捷径且万无一失的原则，在yml文件中的Loss、Architecture-Head、Train-dataset-transforms-EastRandomCropData直接增加num_classes参数能起到同样的效果。

2.min_crop_side_ratio参数

random_crop_data用于对图片的随机剪裁，如果图片上有多个标注，min_crop_side_ratio默认0.1，比较小的min_crop_side_ratio容易图片上的其他区域剪没了，应按照个人需要来剪裁，甚至显示一下图片浏览剪裁效果。

from PIL import Image
Image.fromarray(img).show()

---

总结

大佬的代码就是香