1、使用环境&＃xff1a;
ubuntu18.04&＃xff0c;4gpu&＃xff0c;nvidia410.78&＃xff0c;cuda9.0&＃xff0c;cudnn7.3&＃xff0c;python3.6
2、使用代码&＃xff1a;
官方提供的ocr模型代码
https://github.com/PaddlePaddle/models/tree/develop/PaddleCV/ocr_recognition
3、将代码运行起来
为了方便看到运行的效果&＃xff0c;我修改了参数&＃xff0c;save_model_period&＃xff0c;这样可以更快的保存数据&＃xff0c;好知道运行是否有效
4、生成自己的数据
import random
import cv2
import numpy as np
from PIL import Image
from PIL import ImageDraw
from PIL import ImageFont
import os
from unit import segmentationpath_font&＃61;&＃39;/home/zz/文字&＃39;
path_out&＃61;&＃39;/media/zz/testtttt&＃39;
if not os.path.exists(path_out):os.mkdir(path_out)dicters&＃61;&＃39;0123456789.&＃39;
CHARS&＃61;&＃39;0123456789&＃39;
number&＃61;100
font_index&＃61;0
font_list&＃61;os.listdir(path_font)
font_list.sort()
f_ind&＃61;0
f_size&＃61;0def get_word(length):global font_index, CHARSf &＃61; &＃39;&＃39;for i in range(length):f &＃61; f &＃43; random.choice(CHARS)font_index &＃61; font_index &＃43; 1return fdef get_txt():txt&＃61;&＃39;&＃39;f3&＃61;random.randint(0,2) # 2/3的可能会出现.len_num&＃61;random.randint(1,8)num&＃61;get_word(len_num)txt&＃61;txt&＃43;numif f3>0 and len(num)>&＃61;3:txt&＃61;txt[:-2]&＃43;&＃39;.&＃39;&＃43;txt[-2:]return txtdef get_txt_test():global dictersreturn dictersdef get_bg(color, w,h):# w_l&＃61;random.randint(1,500)# w_r&＃61;random.randint(1,500)# h_t&＃61;random.randint(1,50)# h_b&＃61;random.randint(1,50)w_l&＃61;50w_r&＃61;50h_t&＃61;20h_b&＃61;20bg&＃61;np.zeros((h&＃43;h_b&＃43;h_t,w&＃43;w_l&＃43;w_r),dtype&＃61;&＃39;uint8&＃39;)bg&＃61;bg&＃43;color# bg&＃61;Image.fromarray(bg)return bg,w_l,h_tdef oblique(bg,fc):bg&＃61;np.array(bg)imgh,imgw&＃61;bg.shapenew_bg&＃61;np.zeros((imgh,imgw&＃43;2*imgh),dtype&＃61;&＃39;uint8&＃39;)new_bg[:,imgh:imgh&＃43;imgw]&＃61;bgstep&＃61;random.randint(15,25)st&＃61;random.randint(0,step)while st&＃43;imgh<&＃61;imgw&＃43;2*imgh:pt1&＃61;(st,0)pt2&＃61;(st&＃43;imgh,imgh)new_bg&＃61;cv2.line(new_bg, pt1, pt2, fc, 1, 4)st&＃61;st&＃43;step# cv2.imshow(&＃39;a&＃39;,new_bg)# cv2.waitKey()bg&＃61;new_bg[:,imgh:imgh&＃43;imgw]# cv2.imshow(&＃39;a&＃39;,new_bg)# cv2.imshow(&＃39;b&＃39;,bg)# cv2.waitKey()bg&＃61;Image.fromarray(bg)return bgdef interfere(bg,x,y,w,h,bc,fc):global f_sizeif f_size>&＃61;50 and not random.randint(0,3):bg&＃61;oblique(bg,fc)return bgdef gen_data(co):global f_ind,f_size# 确定颜色f_color&＃61;random.randint(0,255)bg_color&＃61;f_colorwhile abs(bg_color-f_color)<30:bg_color&＃61;random.randint(0,255)# 字体f_ind &＃61; f_ind % len(font_list)f_size&＃61;random.randint(15,75)txt &＃61; get_txt() # 文字内容font_text &＃61; ImageFont.truetype(&＃39;{}/{}&＃39;.format(path_font, font_list[f_ind]), f_size)print(&＃39;{}---{}&＃39;.format(f_ind,font_list[f_ind]))background_bg,x1,y1 &＃61; get_bg(bg_color, font_text.getsize(txt)[0], font_text.getsize(txt)[1])background_bg &＃61; Image.fromarray(background_bg, mode&＃61;"L")draw_txt &＃61; ImageDraw.Draw(background_bg) # 确认输出文字的背景图片draw_txt.text((x1, y1), txt, fill&＃61;(f_color), font&＃61;font_text)background_bg&＃61;interfere(background_bg,x1,y1,font_text.getsize(txt)[0], font_text.getsize(txt)[1],bg_color,f_color)txt &＃61; txt.replace(&＃39;.&＃39;, &＃39;&＃43;&＃39;)background_bg.save(&＃39;{}/{:08d}_{}.jpg&＃39;.format(path_out, co, txt))f_ind &＃61; f_ind &＃43; 1returnif __name__ &＃61;&＃61; &＃39;__main__&＃39;:for i in range(number):print(i)gen_data(i)
生成灰度图片&＃xff0c;规则&＃xff1a;
1、背景和文字的颜色差大于30
2、字的个数在1-8个
3、左右上下有一个随机的扩大范围
4、如果出现小数点&＃xff0c;保留两位小数
5、干扰&＃xff0c;斜线
5、预处理
包括&＃xff0c;包括裁剪&＃xff0c;二值化&＃xff0c;统计max size&＃xff0c;这里由于之后需要resize&＃xff0c;所以统计的是max ration&＃xff0c;就是w/h的最大值
二值化使用opencv提供的otsu方法
在处理过程中缩减周围可缩小范围
import numpy as np
import cv2
import os
import time
from unit import segmentationt1 &＃61; 0
t2 &＃61; 0
name&＃61;&＃39;&＃39;def linkseg(segx,dis,img):nst&＃61;0nen&＃61;0nseg&＃61;[]h&＃61;min(img.shape[0]//10,5)for i in range(len(segx)):st,en&＃61;segx[i]img_p&＃61;img[:,st:en]y&＃61;np.sum(img_p,axis&＃61;1)y&＃61;y-np.average(y)pt&＃61;len(np.where(y!&＃61;0)[0])if pt0.5:img&＃61;255-img# cv2.imshow(&＃39;binar&＃39;, img)# cv2.waitKey()# 裁剪文字&＃xff0c;将之裁剪成一个一个字h,w&＃61;img.shapey&＃61;np.sum(img,axis&＃61;1)y&＃61;y-min(y)segy&＃61;segmentation(y,0)# 根据横向的空白&＃xff0c;将裁剪下来的数据分成多条&＃xff0c;认为每一条的纵向上面没有干扰# 生成数据&＃xff0c;上下没有干扰&＃xff0c;所以删除裁剪不正确的数据if len(segy)>1:cv2.imwrite(&＃39;{}/{}&＃39;.format(path_err,filename),img)returnfor st,en in segy:img_p&＃61;img[st:en,:]x&＃61;np.sum(img_p,axis&＃61;0)x&＃61;x-min(x)segx&＃61;segmentation(x,0)# link segsegx&＃61;linkseg(segx,5,img_p)# 根据纵向的空白&＃xff0c;将裁剪下来的数据分成多块&＃xff0c;认为每一块上一个数字for st,en in segx:img_n&＃61;img_p[:,st:en]if count>1:cv2.imshow(&＃39;a&＃39;,img_n)cv2.waitKey()img_n &＃61; 255 - img_ncv2.imwrite(&＃39;{}/{}&＃39;.format(path_out, filename), img_n)count &＃61; count &＃43; 1# cv2.imshow(&＃39;c1&＃39;, img_n)# cv2.waitKey()if __name__ &＃61;&＃61; &＃39;__main__&＃39;:# img&＃61;cv2.imread(&＃39;/home/zz/图片/桌面/test/lALPDgQ9qxS5d1jNAwDNBVY_1366_768(第 5 个复件).png&＃39;)# binar(img)path&＃61;&＃39;/media/zz/AE1AD9D91AD99F21/book-zz/digit&＃39;path_out&＃61;&＃39;/media/zz/AE1AD9D91AD99F21/book-zz/digit-cut&＃39;path_err&＃61;&＃39;/media/zz/AE1AD9D91AD99F21/book-zz/digit-err&＃39;if not os.path.exists(path_out):os.mkdir(path_out)if not os.path.exists(path_err):os.mkdir(path_err)img_list&＃61;os.listdir(path)img_list.sort()for i in range(544,len(img_list)):filename&＃61;img_list[i]name &＃61; &＃39;{:03d}&＃39;.format(i)print(filename)img&＃61;cv2.imread(&＃39;{}/{}&＃39;.format(path,filename))binar(img)print(t1)print(t2)
5、保存label&＃xff0c;并resize图片&＃xff0c;分别保存到train和test
import os
import cv2
import re# 文件名称
path_f&＃61;&＃39;/media/cj1/data/digit_pic_lab&＃39;
dir_img&＃61;&＃39;digit-cut&＃39;
dir_train&＃61;&＃39;train_images&＃39;
list_train&＃61;&＃39;train_list&＃39;
dir_test&＃61;&＃39;test_images&＃39;
list_test&＃61;&＃39;test_list&＃39;# 计数器
count&＃61;0# 字典
dicters&＃61;&＃39;0123456789.-&＃xffe5;&＃39;# 生成数据集
img_list&＃61;os.listdir(&＃39;{}/{}&＃39;.format(path_f,dir_img))
img_list.sort()def get_lab_num(lab):s&＃61;[]for l in lab:if l&＃61;&＃61;&＃39;&＃43;&＃39;:ind&＃61;dicters.index(&＃39;.&＃39;)else:ind&＃61;dicters.index(l)s.append(str(ind))return sfs_train&＃61;open(&＃39;{}/{}&＃39;.format(path_f,list_train),&＃39;w&＃39;)
fs_test&＃61;open(&＃39;{}/{}&＃39;.format(path_f,list_test),&＃39;w&＃39;)for filename in img_list:print(filename)lab&＃61;filename.split(&＃39;.&＃39;)[0].split(&＃39;_&＃39;)[-1] # 取出标签内容try:num_list&＃61;get_lab_num(lab) # 转为数字标签except:# 转化错误的话&＃xff0c;就直接下一个continuetry:img&＃61;cv2.imread(&＃39;{}/{}/{}&＃39;.format(path_f,dir_img,filename))h,w,c&＃61;img.shapenw&＃61;int(w*IMG_H/h)img&＃61;cv2.resize(img,(nw,IMG_H))img&＃61;cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)img_n[:,:nw]&＃61;imgexcept:# 读取错误&＃xff0c;就直接下一个continuename&＃61;re.sub(&＃39;\D&＃39;,&＃39;&＃39;,lab) # 取一个只有数字的名字newfilename&＃61;&＃39;{}_{}.jpg&＃39;.format(filename.split(&＃39;_&＃39;)[0],name)if count%100&＃61;&＃61;0:# 每100张训练&＃xff0c;保存一张测试if not os.path.exists(&＃39;{}/{}&＃39;.format(path_f,dir_test)):os.mkdir(&＃39;{}/{}&＃39;.format(path_f,dir_test))fs_test.write(&＃39;{} {} {} {}\n&＃39;.format(w,h,newfilename,&＃39;,&＃39;.join(num_list)))cv2.imwrite(&＃39;{}/{}/{}&＃39;.format(path_f,dir_test,newfilename),img)else:if not os.path.exists(&＃39;{}/{}&＃39;.format(path_f,dir_train)):os.mkdir(&＃39;{}/{}&＃39;.format(path_f,dir_train))fs_train.write(&＃39;{} {} {} {}\n&＃39;.format(w, h, newfilename, &＃39;,&＃39;.join(num_list)))cv2.imwrite(&＃39;{}/{}/{}&＃39;.format(path_f, dir_train, newfilename),img)count&＃61;count&＃43;1
在同一个目录下生成如上四个文件&＃xff0c;然后文件夹中保存的是图片&＃xff0c;test_list保存的是标签
6、修改模型代码
因为我们把数据格式根模型读取的数据格式生成的一样&＃xff0c;所以大部分不用修改&＃xff0c;只需要data_reader里面一些内容就可以了
1、分类数和图片大小&＃xff0c;根据自己实际需要修改
我的这里&＃xff1a;
NUM_CLASSES &＃61;10
DATA_SHAPE &＃61; [1, 32,300]
2、文件读取路径
这个直接写成自己的
data_dir&＃61;&＃39;zz/data&＃39;
7、错误汇总
--------------------------------------
遇到了一个问题&＃xff0c;模型是上面的我的数据的新模型&＃xff0c;数据是从生成数据中截留的一点测试数据
在官方的infer中执行结果&＃xff1a;
但是我train的时候准确率是高达0.99的&＃xff0c;所以我用train修改了一个可以输出测试结果的代码
发现&＃xff0c;问题出现在这一步indexes &＃61; prune(np.array(result[0]).flatten(), 0, 1)
由于我的输出当中全部都是数字&＃xff0c;所以生成的结果通过0和1缩短一下以后就不成数据了。
---------------------------------------
Enforce failed. Expected x_mat_dims[1] &＃61;&＃61; y_mat_dims[0], but received x_mat_dims[1]:768 !&＃61; y_mat_dims[0]:512.
First matrix&＃39;s width must be equal with second matrix&＃39;s height. 768, 512 at [/paddle/paddle/fluid/operators/mul_op.cc:61]
错误原因&＃xff1a;SHAPE的大小不对
我在的图片是32*300的&＃xff0c;但是shape的大小设置成了48*500&＃xff0c;然后就会报这个错误
京公网安备 11010802041100号