Skip to content
Proyectos

BADBADBADBOY/pytorchOCR has 682 GitHub stars and 129 forks. GitHot measured 0 stars in 24 hours. Last checked 2026-11-15 21:28 UTC. Last push 2021-05-19.

Cómo se miden estas cifras

Crecimiento de estrellas medido

in 24h
0
in 7 days
Actualización retrasada
in 15 days
Actualización retrasada
in 1 month
Actualización retrasada

Cambios netos en períodos que se solapan, no totales diarios. Los datos no disponibles se dejan en blanco. Las estrellas indican interés, no calidad.

Acerca de

基于pytorch的ocr算法库,包括 psenet, pan, dbnet, sast , crnn

Aprendizaje automático

README.md

Original

基于pytorch的OCR库

这里会有这个项目的代码详解和我的一些ocr经验和心得,我会慢慢更新,有兴趣可以看看,希望可以帮到新接触ocr的童鞋CSDN博客


最近跟新:

  • 2021.05.19 更新基于DBnet的多语种文本检测。
  • 2021.05.01 更新CRNN 训练,解决了多gpu训练问题,更换成lmdb训练,需要将图片先转成lmdb(在script文件夹中有多进程将图片转成lmdb的代码),做了一些训练优化,模型结构更改(训练时使用名字中带lmdb的yaml文件),实际训练效果如下表。
  • 2021.03.26 更新CRNN 训练效果,代码整理后上传
  • 2021.03.06 更新CRNN backbone resnet 和 mobilev3 以及配置文件
  • 2020.12.22 更新CRNN+CTCLoss+CenterLoss训练
  • 2020.09.18 更新文本检测说明文档
  • 2020.09.12 更新DB,pse,pan,sast,crnn训练测试代码和预训练模型

目前已完成:


接下来计划:

  • 模型转onnx及调用测试
  • 模型压缩(剪枝)
  • 模型压缩(量化)
  • 模型蒸馏
  • tensorrt部署
  • 训练通用化ocr模型
  • 结合chinese_lite进行部署
  • 手机端部署

crnn模型效果(实验中)

使用 MJSynth(MJ) 和 SynthText(ST) 训练,以batchsize=512训练,在以下数据集上测试:

模型 迭代次数 CUTE80 IC03_867 IC13_1015 IC13_857 IC15_1811 IC15_2077 IIIT5k_3000 SVT SVTP mean
resnet34+lstm+ctc 120000 82.98 91.92 90.93 91.59 73.10 67.98 90.16 85.16 78.29 83.56
mobilev3_large+lstm+ctc 210000 73.61 92.50 90.34 91.59 74.82 68.89 87.56 83.46 77.20 82.21
mobilev3_small+lstm+ctc 210000 66.31 90.77 88.76 91.13 73.66 69.52 88.80 84.54 72.24 80.64

检测模型效果(实验中)

训练只在ICDAR2015文本检测公开数据集上,算法效果如下:

模型 骨干网络 precision recall Hmean 下载链接
DB ResNet50_7*7 85.88% 79.10% 82.35% 下载链接(code:fxw6)
DB ResNet50_3*3 86.51% 80.59% 83.44% 下载链接(code:fxw6)
DB MobileNetV3 82.89% 75.83% 79.20% 下载链接(code:fxw6)
SAST ResNet50_7*7 85.72% 78.38% 81.89% 下载链接(code:fxw6)
SAST ResNet50_3*3 86.67% 76.74% 81.40% 下载链接(code:fxw6)
PSE ResNet50_7*7 84.10% 80.01% 82.01% 下载链接(code:fxw6)
PSE ResNet50_3*3 82.56% 78.91% 80.69% 下载链接(code:fxw6)
PAN ResNet18_7*7 81.80% 77.08% 79.37% 下载链接(code:fxw6)
PAN ResNet18_3*3 83.78% 75.15% 79.23% 下载链接(code:fxw6)

模型压缩剪枝效果

这里使用mobilev3作为backbone,在icdar2015上测试结果,未压缩模型初始大小为2.4M.

  1. 对backbone进行压缩
模型 pruned method ratio model size(M) precision recall Hmean
DB no 0 2.4 84.04% 75.34% 79.46%
DB backbone 0.5 1.9 83.74% 73.18% 78.10%
DB backbone 0.6 1.58 84.46% 69.90% 76.50%
  1. 对整个模型进行压缩
模型 pruned method ratio model size(M) precision recall Hmean
DB no 0 2.4 85.70% 74.77% 79.86%
DB total 0.6 1.42 82.97% 75.10% 78.84%
DB total 0.65 1.15 85.14% 72.84% 78.51%

模型蒸馏

模型 teacher student model size(M) precision recall Hmean improve(%)
DB no mobilev3 2.4 85.70% 74.77% 79.86% -
DB resnet50 mobilev3 2.4 86.37% 77.22% 81.54% 1.68
DB no mobilev3 1.42 82.97% 75.10% 78.84% -
DB resnet50 mobilev3 1.42 85.88% 76.16% 80.73% 1.89
DB no mobilev3 1.15 85.14% 72.84% 78.51% -
DB resnet50 mobilev3 1.15 85.60% 74.72% 79.79% 1.28

文档教程


文本检测效果


Dbnet多语种文本检测效果

生成数据集:

公开数据集:


有问题及交流加微信

微信号:-fxwispig-


参考