读光文字检测
News
- 2023年10月：
- 新增DBNet通用场景模型和轻量化端侧模型转onnx和onnx推理功能
- 2023年6月：
- 2023年3月：
- 新增DBNet训练/微调流程，支持自定义参数及数据集，详见代码示例。
- 2023年2月：
- 新增业界主流DBNet-通用场景模型。
传送门
各场景文本检测模型：
各场景文本识别模型：
- ConvNextViT-手写场景
- ConvNextViT-手写场景
- ConvNextViT-文档印刷场景
- ConvNextViT-自然场景
- ConvNextViT-车牌场景
- CRNN-通用场景
- 轻量化端侧通用场景行识别
整图OCR能力：
轻量化模型DEMO：
欢迎使用！
模型描述
本模型是以自底向上的方式，先检测文本块和文字行之间的吸引排斥关系，然后对文本块聚类成行，最终输出文字行的外接框的坐标值。SegLink++模型介绍，详见：Seglink++: Detecting dense and arbitrary-shaped scene text by instance-aware component grouping
期望模型使用方式以及适用范围
本模型主要用于给输入图片输出图中文字外接框坐标，具体地，模型输出的框的坐标为文字框四边形的四个角点的坐标，左上角为第一个点，按照顺时针的顺序依次输出各个点的坐标，分别为(x1,y1)(x2,y2)(x3,y3)(x4,y4)。用户可以自行尝试各种输入图片。具体调用方式请参考代码示例。
如何使用
在安装完成ModelScope之后即可使用ocr-detection的能力。
预处理和后处理
测试时的主要预处理和后处理如下：
- Resize Pad（预处理）: 输入图片长边resize到1024，短边等比例缩放，并且补pad到长短边相等
- threshold grouping（后处理）: node和link采用0.4和0.6的threshold，然后进行文字行grouping
环境准备
模型依赖tensorflow1.15.x运行，请使用镜像
registry.cn-hangzhou.aliyuncs.com/modelscope-repo/modelscope:ubuntu20.04-cuda11.3.0-py37-torch1.11.0-tf1.15.5-1.6.1
registry.cn-beijing.aliyuncs.com/modelscope-repo/modelscope:ubuntu20.04-cuda11.3.0-py37-torch1.11.0-tf1.15.5-1.6.1
代码范例
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks
ocr_detection = pipeline(Tasks.ocr_detection, model='damo/cv_resnet18_ocr-detection-line-level_damo')
result = ocr_detection('https://modelscope.oss-cn-beijing.aliyuncs.com/test/images/ocr_detection.jpg')
print(result)
数据评估及结果
模型在MTWI测试集上测试，结果如下
| Backbone | Recall | Precision | F-score |
|---|---|---|---|
| ResNet18 | 68.1 | 84.9 | 75.6 |
以下为模型的一些可视化文字检测效果，检测框用绿色框表示。
完整OCR能力体验
如果想体验完整的OCR能力，对整图中的文字进行检测识别，可以体验创空间应用。对于文字检测模型和文字识别模型的串联，可以参考说明文档。
模型局限性以及可能的偏差
- 模型是在特定中英文数据集上训练的，在其他场景和语言的数据上有可能产生一定偏差，请用户自行评测后决定如何使用。
- 当前版本在python3.7环境CPU和单GPU环境测试通过，其他环境下可用性待测试
- 本模型后处理为python版本未进行效率优化，如果对效率有要求建议使用DBNet版本的文字检测模型：DBNet-通用场景行检测 或者 轻量化端侧通用场景行检测
模型训练
训练数据介绍
本模型行检测模型训练数据集是MTWI/ReCTS/SROIE/LSVT，训练数据数量约53K。
模型训练流程
本模型利用imagenet预训练参数进行初始化，然后在训练数据集上进行训练，先利用512x512尺度训练100epoch，然后在768x768尺度下finetune训练50epoch。
自定义微调训练
本模型暂不支持自定义微调训练。若想用自定义数据进行微调训练，可以尝试DBNet-通用模型
相关论文以及引用信息
如果我们的模型对您有帮助，请您引用我们的文章： ```BibTex @article{tang2019seglink++, title={Seglink++: Detecting dense and arbitrary-shaped scene text by instance-aware component grouping}, author={Tang, Jun and Yang, Zhibo and Wang, Yongpan and Zheng, Qi and Xu, Yongchao and Bai, Xiang}, journal={Pattern recognition}, volume={96}, pages={106954}, year={2019}, publisher={Elsevier} }
评论