当前位置: 开发笔记 > 编程语言 > 正文

基于PaddleOCR2.4的天池街景字符编码识别Baseline

作者：8090互助联盟 | 来源：互联网 | 2023-08-17 17:55

基于PaddleOCR2.4的天池街景字符编码识别Baseline-一、天池街景字符编码识别比赛比赛地址：https:tianchi.aliyun.comcompetitione

一、天池街景字符编码识别比赛

比赛地址：https://tianchi.aliyun.com/competition/entrance/531795/information

1.数据来源

赛题来源自Google街景图像中的门牌号数据集（The Street View House Numbers Dataset, SVHN），并根据一定方式采样得到比赛数据集。

2.数据基本情况

该数据来自真实场景的门牌号。训练集数据包括3W张照片，验证集数据包括1W张照片，每张照片包括颜色图像和对应的编码类别和具体位置；为了保证比赛的公平性，测试集A包括4W张照片，测试集B包括4W张照片。

enter image description here

3.数据集样本展示

4.字段表

所有的数据（训练集、验证集和测试集）的标注使用JSON格式，并使用文件名进行索引。如果一个文件中包括多个字符，则使用列表将字段进行组合。

Field	Description
top	左上角坐标Y
height	字符高度
left	左上角坐标X
width	字符宽度
label	字符编码

注：数据集来源自SVHN，网页链接http://ufldl.stanford.edu/housenumbers/，并进行匿名处理和噪音处理，请各位选手使用比赛给定的数据集完成训练。

二、环境设置

PaddleOCR https://github.com/paddlepaddle/PaddleOCR 是一款全宇宙最强的用的OCR工具库，开箱即用，速度杠杠的。

# 从gitee上下载PaddleOCR代码，也可以从GitHub链接下载
!git clone https://gitee.com/paddlepaddle/PaddleOCR.git --depth=1
# 升级pip
!pip install -U pip 
# 安装依赖
%cd ~/PaddleOCR
%pip install -r requirements.txt

%cd ~/PaddleOCR/
!tree   -L 1

/home/aistudio/PaddleOCR
.
├── benchmark
├── configs
├── deploy
├── doc
├── __init__.py
├── LICENSE
├── MANIFEST.in
├── paddleocr.py
├── ppocr
├── PPOCRLabel
├── ppstructure
├── README_ch.md
├── README.md
├── requirements.txt
├── setup.py
├── StyleText
├── test_tipc
├── tools
└── train.sh

10 directories, 9 files

三、数据准备

据悉train数据集共10万张，解压，并划分出10000张作为测试集。

1.数据下载解压

#  解压缩数据集
%cd ~
!unzip -qoa data/data124095/street_code_rec_data.zip -d ~/data/

/home/aistudio

# 重命名文件夹
!mv data/街景编码识别 data/street_code_rec_data

# 解压test数据集
!unzip -qoa data/street_code_rec_data/mchar_test_a.zip -d data/street_code_rec_data/

# 解压eval据集
!unzip -qoa data/street_code_rec_data/mchar_val.zip -d data/street_code_rec_data/

# 解压train数据集
!unzip -qoa data/street_code_rec_data/mchar_train.zip -d data/street_code_rec_data/

# 使用命令查看训练数据文件夹下数据量是否是3张
!cd data/street_code_rec_data/mchar_train &&  ls -l | grep "^-" | wc -l

# 使用命令查看test数据文件夹下数据量是否是4万张
!cd data/street_code_rec_data/mchar_test_a  &&  ls -l | grep "^-" | wc -l

# 使用命令查看test数据文件夹下数据量是否是1万张
!cd data/street_code_rec_data/mchar_val &&  ls -l | grep "^-" | wc -l

%cd data/street_code_rec_data
!rm *.zip
%cd ~

/home/aistudio/data/street_code_rec_data
/home/aistudio

2. 数据标签处理

import json
def trans(path):
    with open(path + '.json', 'r') as f:
        json_data = json.load(f)
        print(len(json_data))
        with open(path + '.csv', 'w') as ff:
            for item in json_data:
                label = json_data[item]['label']
                label = [str(x) for x in label]
                label = ''.join(label)
                ff.write(item + '\t' + label + '\n')

trans('data/street_code_rec_data/mchar_val')
trans('data/street_code_rec_data/mchar_train')

10000
30000

3. 数据查看

!head data/street_code_rec_data/mchar_val.csv

000000.png  5
000001.png  210
000002.png  6
000003.png  1
000004.png  9
000005.png  1
000006.png  183
000007.png  65
000008.png  144
000009.png  16

!head data/street_code_rec_data/mchar_train.csv

000000.png  19
000001.png  23
000002.png  25
000003.png  93
000004.png  31
000005.png  33
000006.png  28
000007.png  744
000008.png  128
000009.png  16

from PIL import Image

img=Image.open('data/street_code_rec_data/mchar_train/000000.png')
print(img.size)
img

(741, 350)

四、配置训练参数

以PaddleOCR/configs/rec/ch_ppocr_v2.0/rec_chinese_lite_train_v2.0.yml为基准进行配置

1.配置模型网络

使用CRNN算法，backbone是MobileNetV3，损失函数是CTCLoss

Architecture:
  model_type: rec
  algorithm: CRNN
  Transform:
  Backbone:
    name: MobileNetV3
    scale: 0.5
    model_name: small
    small_stride: [1, 2, 2, 2]
  Neck:
    name: SequenceEncoder
    encoder_type: rnn
    hidden_size: 48
  Head:
    name: CTCHead
    fc_decay: 0.00001

2.配置数据

对Train.data_dir, Train.label_file_list, Eval.data_dir, Eval.label_file_list进行配置

Train:
  dataset:
    name: SimpleDataSet
    data_dir: /home/aistudio/data/street_code_rec_data/mchar_train
    label_file_list: ["/home/aistudio/data/street_code_rec_data/mchar_train.csv"]
...
...
Eval:
  dataset:
    name: SimpleDataSet
    data_dir: /home/aistudio/data/street_code_rec_data/mchar_val
    label_file_list: ["/home/aistudio/data/street_code_rec_data/mchar_val.csv"]

3. 显卡、评估设置

use_gpu、cal_metric_during_train分别是GPU、评估开关

Global:
  use_gpu: false             # true 使用GPU
  .....
  cal_metric_during_train: False   # true 打开评估

4. 多线程任务

Train.loader.num_workers:4
Eval.loader.num_workers: 4

5.完整配置

Global:
  use_gpu: True
  epoch_num: 500
  log_smooth_window: 20
  print_batch_step: 10
  save_model_dir: ./output/rec_en_number_lite
  save_epoch_step: 3
  # evaluation is run every 5000 iterations after the 4000th iteration
  eval_batch_step: [1000, 100]
  # if pretrained_model is saved in static mode, load_static_weights must set to True
  cal_metric_during_train: True
  pretrained_model: ./en_number_mobile_v2.0_rec_train/best_accuracy.pdparams
  checkpoints: 
  save_inference_dir:
  use_visualdl: False
  infer_img:
  # for data or label process
  character_dict_path: ppocr/utils/en_dict.txt
  max_text_length: 25
  infer_mode: False
  use_space_char: True


Optimizer:
  name: Adam
  beta1: 0.9
  beta2: 0.999
  lr:
    name: Cosine
    learning_rate: 0.001
  regularizer:
    name: 'L2'
    factor: 0.00001

Architecture:
  model_type: rec
  algorithm: CRNN
  Transform:
  Backbone:
    name: MobileNetV3
    scale: 0.5
    model_name: small
    small_stride: [1, 2, 2, 2]
  Neck:
    name: SequenceEncoder
    encoder_type: rnn
    hidden_size: 48
  Head:
    name: CTCHead
    fc_decay: 0.00001

Loss:
  name: CTCLoss

PostProcess:
  name: CTCLabelDecode

Metric:
  name: RecMetric
  main_indicator: acc

Train:
  dataset:
    name: SimpleDataSet
    data_dir: /home/aistudio/data/street_code_rec_data/mchar_train
    label_file_list: ["/home/aistudio/data/street_code_rec_data/mchar_train.csv"]
    transforms:
      - DecodeImage: # load image
          img_mode: BGR
          channel_first: False
      - RecAug: 
      - CTCLabelEncode: # Class handling label
      - RecResizeImg:
          image_shape: [3, 32, 320]
      - KeepKeys:
          keep_keys: ['image', 'label', 'length'] # dataloader will return list in this order
  loader:
    shuffle: True
    batch_size_per_card: 256
    drop_last: True
    num_workers: 8

Eval:
  dataset:
    name: SimpleDataSet
    data_dir: /home/aistudio/data/street_code_rec_data/mchar_val
    label_file_list: ["/home/aistudio/data/street_code_rec_data/mchar_val.csv"]
    transforms:
      - DecodeImage: # load image
          img_mode: BGR
          channel_first: False
      - CTCLabelEncode: # Class handling label
      - RecResizeImg:
          image_shape: [3, 32, 320]
      - KeepKeys:
          keep_keys: ['image', 'label', 'length'] # dataloader will return list in this order
  loader:
    shuffle: False
    drop_last: False
    batch_size_per_card: 256
    num_workers: 8

6.使用预训练模型

据悉使用预训练模型，训练速度更快！！！

PaddleOCR提供的可下载模型包括推理模型、训练模型、预训练模型、slim模型，模型区别说明如下：

模型类型	模型格式	简介
推理模型	inference.pdmodel、inference.pdiparams	用于预测引擎推理，详情
训练模型、预训练模型	.pdparams、.pdopt、*.states	训练过程中保存的模型的参数、优化器状态和训练中间信息，多用于模型指标评估和恢复训练
slim模型	*.nb	经过飞桨模型压缩工具PaddleSlim压缩后的模型，适用于移动端/IoT端等端侧部署场景（需使用飞桨Paddle Lite部署）。

各个模型的关系如下面的示意图所示。

文本检测模型

英文识别模型

模型名称	模型简介	配置文件	推理模型大小	下载地址
en_number_mobile_slim_v2.0_rec	slim裁剪量化版超轻量模型，支持英文、数字识别	rec_en_number_lite_train.yml	2.7M	推理模型 / 训练模型
en_number_mobile_v2.0_rec	原始超轻量模型，支持英文、数字识别	rec_en_number_lite_train.yml	2.6M	推理模型 / 训练模型

%cd ~/PaddleOCR/
# mobile模型

!wget https://paddleocr.bj.bcebos.com/dygraph_v2.0/multilingual/en_number_mobile_v2.0_rec_train.tar
!tar -xf en_number_mobile_v2.0_rec_train.tar

/home/aistudio/PaddleOCR
--2022-01-02 00:10:41--  https://paddleocr.bj.bcebos.com/dygraph_v2.0/multilingual/en_number_mobile_v2.0_rec_train.tar
Resolving paddleocr.bj.bcebos.com (paddleocr.bj.bcebos.com)... 182.61.200.229, 182.61.200.195, 2409:8c04:1001:1002:0:ff:b001:368a
Connecting to paddleocr.bj.bcebos.com (paddleocr.bj.bcebos.com)|182.61.200.229|:443... connected.
HTTP request sent, awaiting response... 200 OK
Length: 9123840 (8.7M) [application/x-tar]
Saving to: ‘en_number_mobile_v2.0_rec_train.tar’

en_number_mobile_v2 100%[===================>]   8.70M  8.63MB/s    in 1.0s    

2022-01-02 00:10:42 (8.63 MB/s) - ‘en_number_mobile_v2.0_rec_train.tar’ saved [9123840/9123840]

五、训练

%cd ~/PaddleOCR/
# mobile模型
!python tools/train.py -c ./configs/rec/multi_language/rec_en_number_lite_train.yml -o Global.checkpoints=./output/rec_en_number_lite/latest

1.选择合适的batch size

2.训练日志

2022/01/02 01:28:23] root INFO: save model in ./output/rec_en_number_lite/latest
[2022/01/02 01:28:23] root INFO: Initialize indexs of datasets:['/home/aistudio/data/street_code_rec_data/mchar_train.csv']
[2022/01/02 01:28:54] root INFO: epoch: [27/500], iter: 180, lr: 0.000986, loss: 1.043328, acc: 0.765624, norm_edit_dis: 0.863509, reader_cost: 2.26051 s, batch_cost: 2.59590 s, samples: 7168, ips: 276.12724
[2022/01/02 01:29:18] root INFO: epoch: [27/500], iter: 190, lr: 0.000986, loss: 1.056450, acc: 0.765624, norm_edit_dis: 0.864510, reader_cost: 1.18228 s, batch_cost: 1.65932 s, samples: 10240, ips: 617.12064
[2022/01/02 01:29:34] root INFO: epoch: [27/500], iter: 200, lr: 0.000985, loss: 1.069025, acc: 0.759277, norm_edit_dis: 0.860254, reader_cost: 0.74316 s, batch_cost: 1.15521 s, samples: 10240, ips: 886.42030
eval model:: 100%|██████████████████████████████| 10/10 [00:07<00:00,  2.12it/s]
[2022/01/02 01:29:42] root INFO: cur metric, acc: 0.6261999373800062, norm_edit_dis: 0.7362716930394972, fps: 4054.7339744968563
[2022/01/02 01:29:42] root INFO: save best model is to ./output/rec_en_number_lite/best_accuracy
[2022/01/02 01:29:42] root INFO: best metric, acc: 0.6261999373800062, start_epoch: 21, norm_edit_dis: 0.7362716930394972, fps: 4054.7339744968563, best_epoch: 27

3. visualdl可视化

本地安装visualdl pip install visualdl
下载日志至本地
启动visualdl可视化 visualdl --logdir ./
打开浏览器查看 http://localhost:8040/

六、模型评估

# GPU 评估， Global.checkpoints 为待测权重
%cd ~/PaddleOCR/
# mobile模型

!python  -m paddle.distributed.launch tools/eval.py -c ./configs/rec/multi_language/rec_en_number_lite_train.yml \
    -o Global.checkpoints=./output/rec_en_number_lite/best_accuracy.pdparams

/home/aistudio/PaddleOCR
-----------  Configuration Arguments -----------
backend: auto
elastic_server: None
force: False
gpus: None
heter_devices: 
heter_worker_num: None
heter_workers: 
host: None
http_port: None
ips: 127.0.0.1
job_id: None
log_dir: log
np: None
nproc_per_node: None
run_mode: None
scale: 0
server_num: None
servers: 
training_script: tools/eval.py
training_script_args: ['-c', './configs/rec/multi_language/rec_en_number_lite_train.yml', '-o', 'Global.checkpoints=./output/rec_en_number_lite/best_accuracy.pdparams']
worker_num: None
workers: 
------------------------------------------------
WARNING 2022-01-02 01:32:26,892 launch.py:423] Not found distinct arguments and compiled with cuda or xpu. Default use collective mode
launch train in GPU mode!
INFO 2022-01-02 01:32:26,894 launch_utils.py:528] Local start 1 processes. First process distributed environment info (Only For Debug): 
    +=======================================================================================+
    |                        Distributed Envs                      Value                    |
    +---------------------------------------------------------------------------------------+
    |                       PADDLE_TRAINER_ID                        0                      |
    |                 PADDLE_CURRENT_ENDPOINT                 127.0.0.1:33420               |
    |                     PADDLE_TRAINERS_NUM                        1                      |
    |                PADDLE_TRAINER_ENDPOINTS                 127.0.0.1:33420               |
    |                     PADDLE_RANK_IN_NODE                        0                      |
    |                 PADDLE_LOCAL_DEVICE_IDS                        0                      |
    |                 PADDLE_WORLD_DEVICE_IDS                        0                      |
    |                     FLAGS_selected_gpus                        0                      |
    |             FLAGS_selected_accelerators                        0                      |
    +=======================================================================================+

INFO 2022-01-02 01:32:26,894 launch_utils.py:532] details abouts PADDLE_TRAINER_ENDPOINTS can be found in log/endpoints.log, and detail running logs maybe found in log/workerlog.0
launch proc_id:1384 idx:0
[2022/01/02 01:32:28] root INFO: Architecture : 
[2022/01/02 01:32:28] root INFO:     Backbone : 
[2022/01/02 01:32:28] root INFO:         model_name : small
[2022/01/02 01:32:28] root INFO:         name : MobileNetV3
[2022/01/02 01:32:28] root INFO:         scale : 0.5
[2022/01/02 01:32:28] root INFO:         small_stride : [1, 2, 2, 2]
[2022/01/02 01:32:28] root INFO:     Head : 
[2022/01/02 01:32:28] root INFO:         fc_decay : 1e-05
[2022/01/02 01:32:28] root INFO:         name : CTCHead
[2022/01/02 01:32:28] root INFO:     Neck : 
[2022/01/02 01:32:28] root INFO:         encoder_type : rnn
[2022/01/02 01:32:28] root INFO:         hidden_size : 48
[2022/01/02 01:32:28] root INFO:         name : SequenceEncoder
[2022/01/02 01:32:28] root INFO:     Transform : None
[2022/01/02 01:32:28] root INFO:     algorithm : CRNN
[2022/01/02 01:32:28] root INFO:     model_type : rec
[2022/01/02 01:32:28] root INFO: Eval : 
[2022/01/02 01:32:28] root INFO:     dataset : 
[2022/01/02 01:32:28] root INFO:         data_dir : /home/aistudio/data/street_code_rec_data/mchar_val
[2022/01/02 01:32:28] root INFO:         label_file_list : ['/home/aistudio/data/street_code_rec_data/mchar_val.csv']
[2022/01/02 01:32:28] root INFO:         name : SimpleDataSet
[2022/01/02 01:32:28] root INFO:         transforms : 
[2022/01/02 01:32:28] root INFO:             DecodeImage : 
[2022/01/02 01:32:28] root INFO:                 channel_first : False
[2022/01/02 01:32:28] root INFO:                 img_mode : BGR
[2022/01/02 01:32:28] root INFO:             CTCLabelEncode : None
[2022/01/02 01:32:28] root INFO:             RecResizeImg : 
[2022/01/02 01:32:28] root INFO:                 image_shape : [3, 32, 320]
[2022/01/02 01:32:28] root INFO:             KeepKeys : 
[2022/01/02 01:32:28] root INFO:                 keep_keys : ['image', 'label', 'length']
[2022/01/02 01:32:28] root INFO:     loader : 
[2022/01/02 01:32:28] root INFO:         batch_size_per_card : 1024
[2022/01/02 01:32:28] root INFO:         drop_last : False
[2022/01/02 01:32:28] root INFO:         num_workers : 8
[2022/01/02 01:32:28] root INFO:         shuffle : False
[2022/01/02 01:32:28] root INFO: Global : 
[2022/01/02 01:32:28] root INFO:     cal_metric_during_train : True
[2022/01/02 01:32:28] root INFO:     character_dict_path : ppocr/utils/en_dict.txt
[2022/01/02 01:32:28] root INFO:     checkpoints : ./output/rec_en_number_lite/best_accuracy.pdparams
[2022/01/02 01:32:28] root INFO:     debug : False
[2022/01/02 01:32:28] root INFO:     distributed : False
[2022/01/02 01:32:28] root INFO:     epoch_num : 500
[2022/01/02 01:32:28] root INFO:     eval_batch_step : [100, 100]
[2022/01/02 01:32:28] root INFO:     infer_img : None
[2022/01/02 01:32:28] root INFO:     infer_mode : False
[2022/01/02 01:32:28] root INFO:     log_smooth_window : 20
[2022/01/02 01:32:28] root INFO:     max_text_length : 25
[2022/01/02 01:32:28] root INFO:     pretrained_model : ./en_number_mobile_v2.0_rec_train/best_accuracy.pdparams
[2022/01/02 01:32:28] root INFO:     print_batch_step : 10
[2022/01/02 01:32:28] root INFO:     save_epoch_step : 3
[2022/01/02 01:32:28] root INFO:     save_inference_dir : None
[2022/01/02 01:32:28] root INFO:     save_model_dir : ./output/rec_en_number_lite
[2022/01/02 01:32:28] root INFO:     use_gpu : True
[2022/01/02 01:32:28] root INFO:     use_space_char : True
[2022/01/02 01:32:28] root INFO:     use_visualdl : False
[2022/01/02 01:32:28] root INFO: Loss : 
[2022/01/02 01:32:28] root INFO:     name : CTCLoss
[2022/01/02 01:32:28] root INFO: Metric : 
[2022/01/02 01:32:28] root INFO:     main_indicator : acc
[2022/01/02 01:32:28] root INFO:     name : RecMetric
[2022/01/02 01:32:28] root INFO: Optimizer : 
[2022/01/02 01:32:28] root INFO:     beta1 : 0.9
[2022/01/02 01:32:28] root INFO:     beta2 : 0.999
[2022/01/02 01:32:28] root INFO:     lr : 
[2022/01/02 01:32:28] root INFO:         learning_rate : 0.001
[2022/01/02 01:32:28] root INFO:         name : Cosine
[2022/01/02 01:32:28] root INFO:     name : Adam
[2022/01/02 01:32:28] root INFO:     regularizer : 
[2022/01/02 01:32:28] root INFO:         factor : 1e-05
[2022/01/02 01:32:28] root INFO:         name : L2
[2022/01/02 01:32:28] root INFO: PostProcess : 
[2022/01/02 01:32:28] root INFO:     name : CTCLabelDecode
[2022/01/02 01:32:28] root INFO: Train : 
[2022/01/02 01:32:28] root INFO:     dataset : 
[2022/01/02 01:32:28] root INFO:         data_dir : /home/aistudio/data/street_code_rec_data/mchar_train
[2022/01/02 01:32:28] root INFO:         label_file_list : ['/home/aistudio/data/street_code_rec_data/mchar_train.csv']
[2022/01/02 01:32:28] root INFO:         name : SimpleDataSet
[2022/01/02 01:32:28] root INFO:         transforms : 
[2022/01/02 01:32:28] root INFO:             DecodeImage : 
[2022/01/02 01:32:28] root INFO:                 channel_first : False
[2022/01/02 01:32:28] root INFO:                 img_mode : BGR
[2022/01/02 01:32:28] root INFO:             RecAug : None
[2022/01/02 01:32:28] root INFO:             CTCLabelEncode : None
[2022/01/02 01:32:28] root INFO:             RecResizeImg : 
[2022/01/02 01:32:28] root INFO:                 image_shape : [3, 32, 320]
[2022/01/02 01:32:28] root INFO:             KeepKeys : 
[2022/01/02 01:32:28] root INFO:                 keep_keys : ['image', 'label', 'length']
[2022/01/02 01:32:28] root INFO:     loader : 
[2022/01/02 01:32:28] root INFO:         batch_size_per_card : 1024
[2022/01/02 01:32:28] root INFO:         drop_last : True
[2022/01/02 01:32:28] root INFO:         num_workers : 8
[2022/01/02 01:32:28] root INFO:         shuffle : True
[2022/01/02 01:32:28] root INFO: profiler_options : None
[2022/01/02 01:32:28] root INFO: train with paddle 2.2.1 and device CUDAPlace(0)
[2022/01/02 01:32:28] root INFO: Initialize indexs of datasets:['/home/aistudio/data/street_code_rec_data/mchar_val.csv']
W0102 01:32:28.580307  1384 device_context.cc:447] Please NOTE: device: 0, GPU Compute Capability: 7.0, Driver API Version: 10.1, Runtime API Version: 10.1
W0102 01:32:28.584791  1384 device_context.cc:465] device: 0, cuDNN Version: 7.6.
[2022/01/02 01:32:33] root INFO: resume from ./output/rec_en_number_lite/best_accuracy
[2022/01/02 01:32:33] root INFO: metric in ckpt ***************
[2022/01/02 01:32:33] root INFO: acc:0.6261999373800062
[2022/01/02 01:32:33] root INFO: start_epoch:28
[2022/01/02 01:32:33] root INFO: norm_edit_dis:0.7362716930394972
[2022/01/02 01:32:33] root INFO: fps:4054.7339744968563
[2022/01/02 01:32:33] root INFO: best_epoch:27

eval model::   0%|          | 0/10 [00:00


七、结果预测
预测脚本使用预测训练好的模型，并将结果保存成txt格式，可以直接送到比赛提交入口测评，文件默认保存在output/rec/predicts_chinese_lite_v2.0.txt
1.提交内容与格式
本次比赛要求参赛选手必须提交使用深度学习平台飞桨（PaddlePaddle）训练的模型。参赛者要求以.txt 文本格式提交结果，其中每一行是图片名称和文字预测的结果，中间以 “\t” 作为分割符，示例如下：



new_name
value




0.jpg
文本0



2. infer_rec.py修改

    with open(save_res_path, "w") as fout:
        # 添加列头
        fout.write('file_name' + "," + 'file_code' +'\n')
        for file in get_image_file_list(config['Global']['infer_img']):
            logger.info("infer_img: {}".format(file))
            with open(file, 'rb') as f:
                img = f.read()
                data = {'image': img}
            batch = transform(data, ops)
            if config['Architecture']['algorithm'] == "SRN":
                encoder_word_pos_list = np.expand_dims(batch[1], axis=0)
                gsrm_word_pos_list = np.expand_dims(batch[2], axis=0)
                gsrm_slf_attn_bias1_list = np.expand_dims(batch[3], axis=0)
                gsrm_slf_attn_bias2_list = np.expand_dims(batch[4], axis=0)

                others = [
                    paddle.to_tensor(encoder_word_pos_list),
                    paddle.to_tensor(gsrm_word_pos_list),
                    paddle.to_tensor(gsrm_slf_attn_bias1_list),
                    paddle.to_tensor(gsrm_slf_attn_bias2_list)
                ]
            if config['Architecture']['algorithm'] == "SAR":
                valid_ratio = np.expand_dims(batch[-1], axis=0)
                img_metas = [paddle.to_tensor(valid_ratio)]

            images = np.expand_dims(batch[0], axis=0)
            images = paddle.to_tensor(images)
            if config['Architecture']['algorithm'] == "SRN":
                preds = model(images, others)
            elif config['Architecture']['algorithm'] == "SAR":
                preds = model(images, img_metas)
            else:
                preds = model(images)
            post_result = post_process_class(preds)
            info = None
            if isinstance(post_result, dict):
                rec_info = dict()
                for key in post_result:
                    if len(post_result[key][0]) >= 2:
                        rec_info[key] = {
                            "label": post_result[key][0][0],
                            "score": float(post_result[key][0][1]),
                        }
                info = json.dumps(rec_info)
            else:
                if len(post_result[0]) >= 2:
                    info = post_result[0][0] + "\t" + str(post_result[0][1])

            if info is not None:
                logger.info("\t result: {}".format(info))
                fout.write(file + "," +  post_result[0][0] +'\n')
    logger.info("success!")
%cd ~/PaddleOCR/
# mobile模型

!python tools/infer_rec.py -c configs/rec/multi_language/rec_en_number_lite_train.yml \
    -o Global.infer_img="/home/aistudio/data/street_code_rec_data/mchar_test_a" \
    Global.checkpoints=./output/rec_en_number_lite/best_accuracy.pdparams
预测日志
[2022/01/02 02:01:08] root INFO:     result: 2123   0.9544541
[2022/01/02 02:01:08] root INFO: infer_img: /home/aistudio/data/street_code_rec_data/mchar_test_a/039996.png
[2022/01/02 02:01:08] root INFO:     result: 341    0.8990403
[2022/01/02 02:01:08] root INFO: infer_img: /home/aistudio/data/street_code_rec_data/mchar_test_a/039997.png
[2022/01/02 02:01:08] root INFO:     result: 167    0.95185596
[2022/01/02 02:01:08] root INFO: infer_img: /home/aistudio/data/street_code_rec_data/mchar_test_a/039998.png
[2022/01/02 02:01:08] root INFO:     result: 235    0.9978804
[2022/01/02 02:01:08] root INFO: infer_img: /home/aistudio/data/street_code_rec_data/mchar_test_a/039999.png
[2022/01/02 02:01:08] root INFO:     result: 910    0.93325263
[2022/01/02 02:01:08] root INFO: success!
...
...
八、基于预测引擎的预测
1.模型大小限制
约束性条件1：模型总大小不超过10MB（以.pdmodel和.pdiparams文件非压缩状态磁盘占用空间之和为准）；
2.解决办法
训练过程中保存的模型是checkpoints模型，保存的只有模型的参数，多用于恢复训练等。实际上，此处的约束条件限制的是inference 模型的大小。inference 模型一般是模型训练，把模型结构和模型参数保存在文件中的固化模型，多用于预测部署场景。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，适合于实际系统集成，模型大小也会小一些。
# 静态模型导出
%cd ~/PaddleOCR/
# mobile模型

!python tools/export_model.py -c   configs/rec/multi_language/rec_en_number_lite_train.yml \
    -o Global.checkpoints=./output/rec_en_number_lite/best_accuracy.pdparams \
    Global.save_inference_dir=./inference/rec_inference/
/home/aistudio/PaddleOCR
W0102 02:06:39.026404  4766 device_context.cc:447] Please NOTE: device: 0, GPU Compute Capability: 7.0, Driver API Version: 10.1, Runtime API Version: 10.1
W0102 02:06:39.030951  4766 device_context.cc:465] device: 0, cuDNN Version: 7.6.
[2022/01/02 02:06:43] root INFO: resume from ./output/rec_en_number_lite/best_accuracy
[2022/01/02 02:06:45] root INFO: inference model is saved to ./inference/rec_inference/inference
%cd ~/PaddleOCR/
!du -sh ./inference/rec_inference/
/home/aistudio/PaddleOCR
2.8M    ./inference/rec_inference/

可以看到，当前训练使用的CRNN算法导出inference后，仅有2.8M。
导出的inference模型也可以用来预测，预测逻辑如下代码所示。

# 使用导出静态模型预测
%cd ~/PaddleOCR/
!python3.7 tools/infer/predict_rec.py  --rec_model_dir=./inference/rec_inference/  --image_dir="/home/aistudio/data/street_code_rec_data/mchar_test_a"
预测日志
[2022/01/02 02:08:37] root INFO: Predicts of /home/aistudio/data/street_code_rec_data/mchar_test_a/012500.png:('疗绚娇', 0.71012855)
[2022/01/02 02:08:37] root INFO: Predicts of /home/aistudio/data/street_code_rec_data/mchar_test_a/012501.png:('绚诚', 0.9246478)
[2022/01/02 02:08:37] root INFO: Predicts of /home/aistudio/data/street_code_rec_data/mchar_test_a/012502.png:('溜', 0.93994504)
[2022/01/02 02:08:37] root INFO: Predicts of /home/aistudio/data/street_code_rec_data/mchar_test_a/012503.png:('诚溜', 0.95832443)
[2022/01/02 02:08:37] root INFO: Predicts of /home/aistudio/data/street_code_rec_data/mchar_test_a/012504.png:('溜溜', 0.87103844)
[2022/01/02 02:08:37] root INFO: Predicts of /home/aistudio/data/street_code_rec_data/mchar_test_a/012505.png:('贿', 0.34199885)
[2022/01/02 02:08:37] root INFO: Predicts of /home/aistudio/data/street_code_rec_data/mchar_test_a/012506.png:('题', 0.9996681)
[2022/01/02 02:08:37] root INFO: Predicts of /home/aistudio/data/street_code_rec_data/mchar_test_a/012507.png:('绚绚', 0.9908391)
[2022/01/02 02:08:37] root INFO: Predicts of /home/aistudio/data/street_code_rec_data/mchar_test_a/012508.png:('绚', 0.58176464)
...
...
九、提交
预测结果保存到配置文件指定的 output/rec/predicts_chinese_lite_v2.0.txt文件，可直接提交即可。
%cd ~
!head PaddleOCR/output/rec/predicts_rec.txt
/home/aistudio
file_name,file_code
/home/aistudio/data/street_code_rec_data/mchar_test_a/000000.png,59
/home/aistudio/data/street_code_rec_data/mchar_test_a/000001.png,290
/home/aistudio/data/street_code_rec_data/mchar_test_a/000002.png,113
/home/aistudio/data/street_code_rec_data/mchar_test_a/000003.png,97
/home/aistudio/data/street_code_rec_data/mchar_test_a/000004.png,63
/home/aistudio/data/street_code_rec_data/mchar_test_a/000005.png,39
/home/aistudio/data/street_code_rec_data/mchar_test_a/000006.png,126
/home/aistudio/data/street_code_rec_data/mchar_test_a/000007.png,1475
/home/aistudio/data/street_code_rec_data/mchar_test_a/000008.png,48

随便跑跑82分，大家可以再处理处理，把检测数据也用上，优化优化，多跑几轮，一定可以取得更好的成绩。
Ai Studio项目地址： 基于PaddleOCR2.4的天池街景字符编码识别Baseline

new_name	value
0.jpg	文本0




    
        
                        paddle
                        ocr
                        https
                        io
                        format
                        go
                        tree
                        view
                        ip
                    
    



    
        写下你的评论吧 !
        
            
                吐个槽吧,看都看了
            
            
                
                                        会员登录 | 用户注册
                                    
                
            
        

        
    

    
        推荐阅读
        
            
                                
                    
                        json
                        HarmonyOS 2.0 源码获取与编译指南
                    

                    
                                                
                        本文将详细介绍如何注册码云账号、配置SSH公钥、安装必要的开发工具，并逐步讲解如何下载、编译 HarmonyOS 2.0 源码。通过本文，您将能够顺利完成 HarmonyOS 2.0 的环境搭建和源码编译。 ...
                        [详细]
                    
                    

                    
                        蜡笔小新   2024-11-12 11:55:04
                    

                

                
                                
                    
                        byte
                        大类|电阻器_使用Requests、Etree、BeautifulSoup、Pandas和Path库进行数据抓取与处理 | 将指定区域内容保存为HTML和Excel格式
                    

                    
                                                
                            
                        
                                                
                        大类|电阻器_使用Requests、Etree、BeautifulSoup、Pandas和Path库进行数据抓取与处理 | 将指定区域内容保存为HTML和Excel格式 ...
                        [详细]
                    
                    

                    
                        蜡笔小新   2024-11-11 19:05:59
                    

                

                                
                    
                    
                
                
                                
                    
                        express
                        利用 Node.js 和 Express（4.x 及以上版本）构建高效文件上传功能
                    

                    
                                                
                        本文介绍了如何使用 Node.js 和 Express（4.x 及以上版本）构建高效的文件上传功能。通过引入 `multer` 中间件，可以轻松实现文件上传。首先，需要通过 `npm install multer` 安装该中间件。接着，在 Express 应用中配置 `multer`，以处理多部分表单数据。本文详细讲解了 `multer` 的基本用法和高级配置，帮助开发者快速搭建稳定可靠的文件上传服务。 ...
                        [详细]
                    
                    

                    
                        蜡笔小新   2024-11-11 18:02:17
                    

                

                
                                
                    
                        js
                        深入浅出 webpack 系列（二）：实现 PostCSS 代码的编译与优化
                    

                    
                                                
                            
                        
                                                
                        在前一篇文章中，我们探讨了如何通过基础配置使 Webpack 完成 ES6 代码的编译。本文将深入讲解如何利用 Webpack 实现 PostCSS 代码的编译与优化，包括配置相关插件和加载器，以提升开发效率和代码质量。我们将详细介绍每个步骤，并提供实用示例，帮助读者更好地理解和应用这些技术。 ...
                        [详细]
                    
                    

                    
                        蜡笔小新   2024-11-10 08:43:39
                    

                

                
                                
                    
                        eval
                        PHP预处理常量详解：如何定义与使用常量
                    

                    
                                                
                        PHP预处理常量详解：如何定义与使用常量 ...
                        [详细]
                    
                    

                    
                        蜡笔小新   2024-11-09 11:31:23
                    

                

                
                                
                    
                        eval
                        CLIfe：我的高效开发环境配置
                    

                    
                                                
                        在开发过程中，我最初也依赖于功能全面但操作繁琐的集成开发环境（IDE），如Borland Delphi 和 Microsoft Visual Studio。然而，随着对高效开发的追求，我逐渐转向了更加轻量级和灵活的工具组合。通过 CLIfe，我构建了一个高度定制化的开发环境，不仅提高了代码编写效率，还简化了项目管理流程。这一配置结合了多种强大的命令行工具和插件，使我在日常开发中能够更加得心应手。 ...
                        [详细]
                    
                    

                    
                        蜡笔小新   2024-11-07 18:32:20
                    

                

                
                                
                    
                        eval
                        MySQL 正则表达式深入解析：REGEXP 功能与应用详解
                    

                    
                                                
                        在探讨 MySQL 正则表达式 REGEXP 的功能与应用之前，我们先通过一个小实验来对比 REGEXP 和 LIKE 的性能。通过具体的代码示例，我们将评估这两种查询方式的效率，以确定 REGEXP 是否值得深入研究。实验结果将为后续的详细解析提供基础。 ...
                        [详细]
                    
                    

                    
                        蜡笔小新   2024-11-07 16:02:12
                    

                

                
                                
                    
                        js
                        Vue应用预渲染技术详解与实践
                    

                    
                                                
                        Vue应用预渲染技术详解与实践 ...
                        [详细]
                    
                    

                    
                        蜡笔小新   2024-11-07 13:12:35
                    

                

                
                                
                    
                        c语言
                        掌握PHP编程必备知识与技巧——全面教程
                    

                    
                                                
                        掌握PHP编程必备知识与技巧——全面教程在当今的PHP开发中，了解并运用最新的技术和最佳实践至关重要。本教程将详细介绍PHP编程的核心知识与实用技巧。首先，确保你正在使用PHP 5.3或更高版本，最好是最新版本，以充分利用其性能优化和新特性。此外，我们还将探讨代码结构、安全性和性能优化等方面的内容，帮助你成为一名更高效的PHP开发者。 ...
                        [详细]
                    
                    

                    
                        蜡笔小新   2024-11-03 16:38:49
                    

                

                
                                
                    
                        go
                        window下的python安装插件
                    

                    
                                                
                        window下的python安装插件,Go语言社区,Golang程序员人脉社 ...
                        [详细]
                    
                    

                    
                        蜡笔小新   2024-11-12 15:14:05
                    

                

                
                                
                    
                        header
                        解决 Ubuntu 下 Samba 重新安装时配置文件未重新生成的问题
                    

                    
                                                
                        在 Ubuntu 中遇到 Samba 服务器故障时，尝试卸载并重新安装 Samba 发现配置文件未重新生成。本文介绍了解决该问题的方法。 ...
                        [详细]
                    
                    

                    
                        蜡笔小新   2024-11-12 13:02:23
                    

                

                
                                
                    
                        go
                        在CentOS 7环境中安装配置Redis及使用Redis Desktop Manager连接时的注意事项与技巧
                    

                    
                                                
                            
                        
                                                
                        在 CentOS 7 环境中安装和配置 Redis 时，需要注意一些关键步骤和最佳实践。本文详细介绍了从安装 Redis 到配置其基本参数的全过程，并提供了使用 Redis Desktop Manager 连接 Redis 服务器的技巧和注意事项。此外，还探讨了如何优化性能和确保数据安全，帮助用户在生产环境中高效地管理和使用 Redis。 ...
                        [详细]
                    
                    

                    
                        蜡笔小新   2024-11-11 18:27:44
                    

                

                
                                
                    
                        bit
                        在Linux系统中避免安装MySQL的简易指南
                    

                    
                                                
                            
                        
                                                
                        在Linux系统中避免安装MySQL的简易指南 ...
                        [详细]
                    
                    

                    
                        蜡笔小新   2024-11-11 13:22:28
                    

                

                
                                
                    
                        bit
                        在Windows环境中使用SecureCRT高效连接Linux服务器
                    

                    
                                                
                        SecureCRT是一款功能强大的终端仿真软件，支持SSH1和SSH2协议，适用于在Windows环境下高效连接和管理Linux服务器。该工具不仅提供了稳定的连接性能，还具备丰富的配置选项，能够满足不同用户的需求。通过SecureCRT，用户可以轻松实现对远程Linux系统的安全访问和操作。 ...
                        [详细]
                    
                    

                    
                        蜡笔小新   2024-11-10 14:46:15
                    

                

                
                                
                    
                        header
                        服务器部署中的安全策略实践与优化
                    

                    
                                                
                            
                        
                                                
                        服务器部署中的安全策略实践与优化 ...
                        [详细]
                    
                    

                    
                        蜡笔小新   2024-11-10 13:04:30

















    

    
        
            
            
                
                
            

            
                8090互助联盟            

            
                这个家伙很懒，什么也没留下！            


        
    

    
    

    
    

    
        Tags | 热门标签
        
            
                                
                    flutter
                
                                
                    window
                
                                
                    heatmap
                
                                
                    nodejs
                
                                
                    cpython
                
                                
                    typescript
                
                                
                    httprequest
                
                                
                    dagger
                
                                
                    python2
                
                                
                    expression
                
                                
                    metadata
                
                                
                    js
                
                                
                    replace
                
                                
                    netty
                
                                
                    default
                
                                
                    golang
                
                                
                    substring
                
                                
                    eval
                
                                
                    header
                
                                
                    express
                
                                
                    c语言
                
                                
                    vbscript
                
                                
                    bit
                
                                
                    go
                
                                
                    frameworks
                
                                
                    hook
                
                                
                    integer
                
                                
                    heap
                
                                
                    lua
                
                                
                    byte
                
                                
            
        
    

    
    
        
            
            
        
        RankList | 热门文章
        
            
                                
                    1文本剪切命令 - cut
                
                                
                    2没有电脑如何设置路由器？教你用手机设置无线路由器的详细方法
                
                                
                    3linux系统安装过程记录
                
                                
                    4技术人员如何跟传统行业打交道？
                
                                
                    5云服务器怎么选
                
                                
                    6【转】开发板上修改时间方法
                
                                
                    7renice命令:修改一个正在运行进程的优先权
                
                                
                    8linux  – 如何使用exiftool设置颜色配置文件？
                
                                
                    9Jenkins_获取源码编译并启动服务（二）
                
                                
                    10腹黑科技！如何搞死蹭网的邻居
                
                                
                    11开放大数据平台强化“软”实力
                
                                
                    12Kali linux渗透测试系列——————5、渗透测试前期准备
                
                                
                    13《现代命令行工具指南》11. 帮助手册：只给你最有用的帮助信息tldr
                
                                
                    14Ubuntu操作系统平台各版本和分支详解
                
                                
                    15苹果发布最新版本系统，弥补iOS 11耗电快等问题