中文OCR光学字符检测与识别二:用最先进的DBNet训练自己的数据集检测中文文本

---

中文OCR光学字符检测与识别二:用最先进的DBNet训练自己的数据集检测中文文本

---

本文介绍 中文OCR光学字符检测与识别二:用最先进的DBNet训练自己的数据集检测中文文本

中文OCR光学字符检测与识别二:用最先进的DBNet训练自己的数据集检测中文文本

本文由林大佬原创，转载请注明出处，来自腾讯、阿里等一线AI算法工程师组成的QQ交流群欢迎你的加入: 1037662480

a这是中文OCR检测与识别系列教程的第二篇, 这篇文章将继续给大家讲解如何使用最目前最好的模型来进行文本检测, 也就是DBNet.

最文本的可能听说过PSENet, 有可能听说过PSENet++ (PAN), 但从实用性和精度来讲, DBNet比之前的算法都要强, 事实上在笔者用下来, DBNet训练容易, 结果简单移动, 没有太复杂的后处理操作 (优势尤其明显,对比PAN系列). 关于算法的原理我们会做一个简单的阐述, 但今天的目的是教大家如何使用DBNet训练自己的文本检测数据集, 在这里, 我们特指中文.

首先来看看我们能做大的效果:

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-a2V9zLHV-1599117001314)(https://i.loli.net/2020/07/29/ZsF7Tz2w1gCrkSK.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ZXdwHM1d-1599117001322)(https://i.loli.net/2020/07/29/h5Hqxz6gXLDckOy.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hkybET5s-1599117001325)(https://i.loli.net/2020/07/29/3hizBApcOWHyJrn.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-S5N2gdeT-1599117001330)(https://i.loli.net/2020/07/29/SjeskzDgl8QoA9I.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-5X0hc5np-1599117001331)(https://i.loli.net/2020/07/29/xm7X8c1WuTYhACM.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-1Se5DYRg-1599117001333)(https://i.loli.net/2020/07/29/YpebXWmCGqkrSBv.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Kcf5zRq8-1599117001335)(https://i.loli.net/2020/07/29/GcCvOTU4IBMEqR7.png)]

这个效果对于一个采用resnet18作为backbone的轻量模型来说, 非常不错. 可以看到, DBNet在处理形变, 艺术字体, 中文, 英文, 数字, 以及横排竖排的文字都比较强. 整体的鲁棒性很不错了.

结合我们前一篇文章的关于CRNN的教程, 加上文本检测, 我们就可以自己做一个端到端的文本检测系统了.

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-WOoyR1Sk-1599117001337)(https://i.loli.net/2020/07/17/QkaNwp42YLEXHD1.png)]

我们从数据集开始今天的教程.

01. 数据集的准备

要训练这么一个中文文本检测器, 首先需要中文的数据集. 这里我比较推荐两个, 一个是ICPR的数据集, 另外一个就是ICDAR的中文worldwide检测.

考虑到我们想做的事印刷字体的OCR, 对于真实环境下的场景我们不太考究, 上面的效果就是在ICPR的数据集上训练的.

关于ICPR的数据集链接, 由于数据集较大, 而且放到百度云不时的被封, 为了给大家一个统一的下载渠道, 大家可以麻烦一下, 扫描这个公众二维码, 关注一下, 回复 [ocr] 既可以获取所有数据集的下载链接:

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-9tuvkxnH-1599117001338)(https://i.loli.net/2020/07/29/2hfe1gpB9oy5azi.png)]

如果知乎自定和谐了二维码, 可以添加我的微信: jintianandmerry 邀请你加入AI社群, 同时我会给你分享数据集下载链接.

02. 数据集的存放格式

实际上, 对于数据集的标注格式, 也很好理解:

['61.95,195.68,58.95,229.11,235.53,226.11,234.53,196.68,Jagermeifter', '454.58,421.37,450.58,451.0,601.63,449.0,602.63,418.37,Jagermeifter', '63.11,366.16,65.16,428.74,270.21,425.79,289.26,366.16,买就送！', '482.84,524.53,482.84,534.47,569.16,532.47,571.16,521.53,JagermeifterAG', '512.63,504.42,512.63,513.95,538.32,514.95,537.32,506.42,mast', '482.47,484.21,480.47,489.68,567.63,490.68,567.63,485.21,###', '594.32,473.84,595.32,619.95,600.63,618.95,599.63,472.84,###', '482.16,616.84,483.84,625.68,567.21,632.16,565.26,621.89,HERBLIQUEUR', '363.32,574.63,365.16,590.63,441.16,589.21,445.0,574.63,GLENFRANT', '371.42,590.74,372.42,599.16,434.89,600.16,434.89,593.42,SINGLEMALT', '389.95,603.95,391.95,609.84,419.42,609.84,419.42,603.95,CHWH', '374.26,603.37,372.26,609.84,386.32,609.84,387.32,604.37,###', '372.26,615.32,374.26,621.47,436.58,621.05,434.32,615.32,TheMajorsHesenre', '380.16,628.63,379.16,632.0,426.74,633.0,426.74,628.63,###', '386.05,634.26,386.05,637.63,422.95,637.63,421.95,634.26,###', '392.63,640.42,392.63,643.37,415.63,643.37,416.63,641.42,###', '396.42,644.63,396.42,648.42,410.16,648.42,411.16,645.63,###', '362.74,787.79,362.74,796.89,443.32,799.89,444.32,787.79,###', '370.42,777.95,373.42,791.05,397.16,788.05,394.16,780.95,###', '402.47,781.89,402.47,787.79,433.21,788.79,432.21,782.89,###', '371.16,759.58,370.16,767.74,430.68,767.74,428.68,759.58,###', '379.16,749.47,380.16,753.26,426.89,754.26,426.89,750.47,###', '384.79,745.42,383.79,748.37,422.68,748.37,420.68,745.42,###', '392.37,740.21,391.37,744.16,413.53,744.16,413.53,741.21,###', '394.89,735.16,392.89,739.95,408.63,738.95,409.63,735.16,###', '496.79,256.0,495.79,264.84,523.32,258.11,518.37,253.21,###', '504.05,586.84,507.89,594.37,548.74,598.05,544.74,585.53,###', '558.11,571.26,557.11,583.42,574.53,585.42,573.53,570.26,35%', '562.74,589.32,561.74,600.42,574.26,600.42,575.26,592.32,VDl', '472.11,581.74,469.11,598.21,495.68,595.21,493.68,584.74,700ml', '474.47,568.16,471.47,581.79,492.58,581.79,492.74,566.16,70d', '509.53,555.79,510.53,562.11,539.58,563.11,540.58,556.79,###', '484.95,542.21,488.89,552.32,564.32,554.84,563.89,546.42,WOLFENBGTTEL', '452.16,294.47,452.16,397.21,459.16,397.21,458.16,294.47,###', '594.32,294.47,595.32,389.21,600.89,388.21,600.89,294.47,###', '588.16,272.16,595.32,288.16,600.47,286.47,592.89,265.26,###', '555.42,252.37,554.74,259.95,584.37,270.05,585.74,264.16,###', '525.53,250.95,529.63,259.95,552.21,259.95,554.47,251.37,###', '460.26,290.11,456.79,284.21,488.47,259.79,493.84,268.21,###', '673.68,313.84,667.68,605.17,707.68,603.17,708.02,319.17,Jagermeifter']

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-jkWFy33Q-1599117001339)(https://i.loli.net/2020/07/29/DfqFIwnPtWKij5G.png)]

一张图片的标注就像这样, 我把文本解析成了列表. 每一行就是这一行字的四个点坐标.

03. 代码获取

DBNet训练以及demo代码都可以在下面链接获取:

http://manaai.cn/aicodes_detail3.html?id=65

DBNet的模型结构如图所示:

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-yhC6vc5q-1599117001340)(https://i.loli.net/2020/07/29/VKDeqlpaykrIOXB.jpg)]

开始训练:

./single_gpu_train.sh

将ICPR的数据集软链接到 datasets 下面, 不用更改任何配置即可开始训练.

04. 预测demo

执行:

 python3 demo.py --model_path output/DBNet_resnet18_FPN_DBHead/checkpoint/model_best.pth --data ./imgs/

既可实现预测:

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SNQkvVzZ-1599117001340)(https://i.loli.net/2020/07/29/SjeskzDgl8QoA9I.png)]

和往常一样, 本文用到的所有工程代码都在神力平台, 神力平台是国内最大的AI算法市场, 海量AI算法开箱既用:

http://manaai.cn

本文代码链接:

http://manaai.cn/aicodes_detail3.html?id=65

如果你想学习人工智能，对前沿的AI技术比较感兴趣，可以加入我们的知识星球，获取第一时间资讯，前沿学术动态，业界新闻等等！你的支持将会鼓励我们更频繁的创作，我们也会帮助你开启更深入的深度学习之旅！

往期文章

https://zhuanlan.zhihu.com/p/149398749

https://zhuanlan.zhihu.com/p/147622974

https://zhuanlan.zhihu.com/p/144727162