400 128 6709

行业新闻

当前位置： 首页 > 新闻中心 > 行业新闻

基于PaddleOCR2.4的天池街景字符编码识别Baseline

发布时间：2025-07-29点击次数：
该内容为天池街景字符编码识别比赛的实现过程。介绍了赛题数据来自SVHN数据集，含训练集3W张、验证集1W张等。使用PaddleOCR，经数据准备、参数配置，以CRNN算法、MobileNetV3骨干网等训练，还涉及评估、预测及模型导出，最终可生成提交结果，基础跑分为82分。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

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.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

基于PaddleOCR2.4的天池街景字符编码识别Baseline -

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。

In [ ] 
# 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
In [ ] 
%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

In [ ] 
#  解压缩数据集%cd ~
!unzip -qoa data/data124095/street_code_rec_data.zip -d ~/data/
/home/aistudio
In [ ] 
# 重命名文件夹!mv data/街景编码识别 data/street_code_rec_data
In [ ] 
# 解压test数据集!unzip -qoa data/street_code_rec_data/mchar_test_a.zip -d data/street_code_rec_data/
In [ ] 
# 解压eval据集!unzip -qoa data/street_code_rec_data/mchar_val.zip -d data/street_code_rec_data/
In [ ] 
# 解压train数据集!unzip -qoa data/street_code_rec_data/mchar_train.zip -d data/street_code_rec_data/
In [ ] 
# 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
30000
In [ ] 
# 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
40000
In [ ] 
# 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
10000
In [ ] 
%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

In [ ] 
import jsondef 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')
In [ ] 
trans('data/street_code_rec_data/mchar_val')
trans('data/street_code_rec_data/mchar_train')
10000
30000

3. 数据查看

In [ ] 
!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
In [ ] 
!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
In [ ] 
from PIL import Image

img=Image.open('data/street_code_rec_data/mchar_train/000000.png')print(img.size)
img
(741, 350)
<PIL.PngImagePlugin.PngImageFile image mode=RGB size=741x350 at 0x7F134A1CAB10>

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:4Eval.loader.num_workers: 4

5.完整配置

Global:
  use_gpu: True
  epoch_num: 500
  log_smooth_window: 20
  print_batch_step: 10
  s*e_model_dir: ./output/rec_en_number_lite
  s*e_epoch_step: 3
  # evaluation is run every 5000 iterations after the 4000th iteration
  eval_batch_step: [1000, 100]  # if pretrained_model is s*ed 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: 
  s*e_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: TrueOptimizer:
  name: Adam
  beta1: 0.9
  beta2: 0.999
  lr:
    name: Cosine
    learning_rate: 0.001
  regularizer:
    name: 'L2'
    factor: 0.00001Architecture:
  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: 0.00001Loss:
  name: CTCLossPostProcess:
  name: CTCLabelDecodeMetric:
  name: RecMetric
  main_indicator: accTrain:
  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: 8Eval:
  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
In [1] 
# 已配置好的文件，直接覆盖替换（-f）!cp -f ~/rec_en_number_lite_train.yml ~/PaddleOCR/configs/rec/multi_language/rec_en_number_lite_train.yml

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。

简小派 简小派

简小派是一款AI原生求职工具，通过简历优化、岗位匹配、项目生成、模拟面试与智能投递，全链路提升求职成功率，帮助普通人更快拿到更好的 offer。

简小派 123 查看详情 简小派

基于PaddleOCR2.4的天池街景字符编码识别Baseline -

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

In [ ] 
%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
--2025-01-02 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]
S*ing to: ‘en_number_mobile_v2.0_rec_train.tar’

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

2025-01-02 00:10:42 (8.63 MB/s) - ‘en_number_mobile_v2.0_rec_train.tar’ s*ed [9123840/9123840]

五、训练

In [ ] 
%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

基于PaddleOCR2.4的天池街景字符编码识别Baseline -

2.训练日志

2025/01/02 01:28:23] root INFO: s*e model in ./output/rec_en_number_lite/latest[2025/01/02 01:28:23] root INFO: Initialize indexs of datasets:['/home/aistudio/data/street_code_rec_data/mchar_train.csv'][2025/01/02 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[2025/01/02 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[2025/01/02 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: 886.42030eval model:: 100%|██████████████████████████████| 10/10 [00:07<00:00,  2.12it/s]
[2025/01/02 01:29:42] root INFO: cur metric, acc: 0.6261999373800062, norm_edit_dis: 0.7362716930394972, fps: 4054.7339744968563[2025/01/02 01:29:42] root INFO: s*e best model is to ./output/rec_en_number_lite/best_accuracy[2025/01/02 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/

基于PaddleOCR2.4的天池街景字符编码识别Baseline -

六、模型评估

In [ ] 
# 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 2025-01-02 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 2025-01-02 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 2025-01-02 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
[2025/01/02 01:32:28] root INFO: Architecture : 
[2025/01/02 01:32:28] root INFO:     Backbone : 
[2025/01/02 01:32:28] root INFO:         model_name : small
[2025/01/02 01:32:28] root INFO:         name : MobileNetV3
[2025/01/02 01:32:28] root INFO:         scale : 0.5
[2025/01/02 01:32:28] root INFO:         small_stride : [1, 2, 2, 2]
[2025/01/02 01:32:28] root INFO:     Head : 
[2025/01/02 01:32:28] root INFO:         fc_decay : 1e-05
[2025/01/02 01:32:28] root INFO:         name : CTCHead
[2025/01/02 01:32:28] root INFO:     Neck : 
[2025/01/02 01:32:28] root INFO:         encoder_type : rnn
[2025/01/02 01:32:28] root INFO:         hidden_size : 48
[2025/01/02 01:32:28] root INFO:         name : SequenceEncoder
[2025/01/02 01:32:28] root INFO:     Transform : None
[2025/01/02 01:32:28] root INFO:     algorithm : CRNN
[2025/01/02 01:32:28] root INFO:     model_type : rec
[2025/01/02 01:32:28] root INFO: Eval : 
[2025/01/02 01:32:28] root INFO:     dataset : 
[2025/01/02 01:32:28] root INFO:         data_dir : /home/aistudio/data/street_code_rec_data/mchar_val
[2025/01/02 01:32:28] root INFO:         label_file_list : ['/home/aistudio/data/street_code_rec_data/mchar_val.csv']
[2025/01/02 01:32:28] root INFO:         name : SimpleDataSet
[2025/01/02 01:32:28] root INFO:         transforms : 
[2025/01/02 01:32:28] root INFO:             DecodeImage : 
[2025/01/02 01:32:28] root INFO:                 channel_first : False
[2025/01/02 01:32:28] root INFO:                 img_mode : BGR
[2025/01/02 01:32:28] root INFO:             CTCLabelEncode : None
[2025/01/02 01:32:28] root INFO:             RecResizeImg : 
[2025/01/02 01:32:28] root INFO:                 image_shape : [3, 32, 320]
[2025/01/02 01:32:28] root INFO:             KeepKeys : 
[2025/01/02 01:32:28] root INFO:                 keep_keys : ['image', 'label', 'length']
[2025/01/02 01:32:28] root INFO:     loader : 
[2025/01/02 01:32:28] root INFO:         batch_size_per_card : 1024
[2025/01/02 01:32:28] root INFO:         drop_last : False
[2025/01/02 01:32:28] root INFO:         num_workers : 8
[2025/01/02 01:32:28] root INFO:         shuffle : False
[2025/01/02 01:32:28] root INFO: Global : 
[2025/01/02 01:32:28] root INFO:     cal_metric_during_train : True
[2025/01/02 01:32:28] root INFO:     character_dict_path : ppocr/utils/en_dict.txt
[2025/01/02 01:32:28] root INFO:     checkpoints : ./output/rec_en_number_lite/best_accuracy.pdparams
[2025/01/02 01:32:28] root INFO:     debug : False
[2025/01/02 01:32:28] root INFO:     distributed : False
[2025/01/02 01:32:28] root INFO:     epoch_num : 500
[2025/01/02 01:32:28] root INFO:     eval_batch_step : [100, 100]
[2025/01/02 01:32:28] root INFO:     infer_img : None
[2025/01/02 01:32:28] root INFO:     infer_mode : False
[2025/01/02 01:32:28] root INFO:     log_smooth_window : 20
[2025/01/02 01:32:28] root INFO:     max_text_length : 25
[2025/01/02 01:32:28] root INFO:     pretrained_model : ./en_number_mobile_v2.0_rec_train/best_accuracy.pdparams
[2025/01/02 01:32:28] root INFO:     print_batch_step : 10
[2025/01/02 01:32:28] root INFO:     s*e_epoch_step : 3
[2025/01/02 01:32:28] root INFO:     s*e_inference_dir : None
[2025/01/02 01:32:28] root INFO:     s*e_model_dir : ./output/rec_en_number_lite
[2025/01/02 01:32:28] root INFO:     use_gpu : True
[2025/01/02 01:32:28] root INFO:     use_space_char : True
[2025/01/02 01:32:28] root INFO:     use_visualdl : False
[2025/01/02 01:32:28] root INFO: Loss : 
[2025/01/02 01:32:28] root INFO:     name : CTCLoss
[2025/01/02 01:32:28] root INFO: Metric : 
[2025/01/02 01:32:28] root INFO:     main_indicator : acc
[2025/01/02 01:32:28] root INFO:     name : RecMetric
[2025/01/02 01:32:28] root INFO: Optimizer : 
[2025/01/02 01:32:28] root INFO:     beta1 : 0.9
[2025/01/02 01:32:28] root INFO:     beta2 : 0.999
[2025/01/02 01:32:28] root INFO:     lr : 
[2025/01/02 01:32:28] root INFO:         learning_rate : 0.001
[2025/01/02 01:32:28] root INFO:         name : Cosine
[2025/01/02 01:32:28] root INFO:     name : Adam
[2025/01/02 01:32:28] root INFO:     regularizer : 
[2025/01/02 01:32:28] root INFO:         factor : 1e-05
[2025/01/02 01:32:28] root INFO:         name : L2
[2025/01/02 01:32:28] root INFO: PostProcess : 
[2025/01/02 01:32:28] root INFO:     name : CTCLabelDecode
[2025/01/02 01:32:28] root INFO: Train : 
[2025/01/02 01:32:28] root INFO:     dataset : 
[2025/01/02 01:32:28] root INFO:         data_dir : /home/aistudio/data/street_code_rec_data/mchar_train
[2025/01/02 01:32:28] root INFO:         label_file_list : ['/home/aistudio/data/street_code_rec_data/mchar_train.csv']
[2025/01/02 01:32:28] root INFO:         name : SimpleDataSet
[2025/01/02 01:32:28] root INFO:         transforms : 
[2025/01/02 01:32:28] root INFO:             DecodeImage : 
[2025/01/02 01:32:28] root INFO:                 channel_first : False
[2025/01/02 01:32:28] root INFO:                 img_mode : BGR
[2025/01/02 01:32:28] root INFO:             RecAug : None
[2025/01/02 01:32:28] root INFO:             CTCLabelEncode : None
[2025/01/02 01:32:28] root INFO:             RecResizeImg : 
[2025/01/02 01:32:28] root INFO:                 image_shape : [3, 32, 320]
[2025/01/02 01:32:28] root INFO:             KeepKeys : 
[2025/01/02 01:32:28] root INFO:                 keep_keys : ['image', 'label', 'length']
[2025/01/02 01:32:28] root INFO:     loader : 
[2025/01/02 01:32:28] root INFO:         batch_size_per_card : 1024
[2025/01/02 01:32:28] root INFO:         drop_last : True
[2025/01/02 01:32:28] root INFO:         num_workers : 8
[2025/01/02 01:32:28] root INFO:         shuffle : True
[2025/01/02 01:32:28] root INFO: profiler_options : None
[2025/01/02 01:32:28] root INFO: train with paddle 2.2.1 and device CUDAPlace(0)
[2025/01/02 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.
[2025/01/02 01:32:33] root INFO: resume from ./output/rec_en_number_lite/best_accuracy
[2025/01/02 01:32:33] root INFO: metric in ckpt ***************
[2025/01/02 01:32:33] root INFO: acc:0.6261999373800062
[2025/01/02 01:32:33] root INFO: start_epoch:28
[2025/01/02 01:32:33] root INFO: norm_edit_dis:0.7362716930394972
[2025/01/02 01:32:33] root INFO: fps:4054.7339744968563
[2025/01/02 01:32:33] root INFO: best_epoch:27

eval model::   0%|          | 0/10 [00:00<?, ?it/s]
eval model::  10%|█         | 1/10 [00:03<00:32,  3.65s/it]
eval model::  20%|██        | 2/10 [00:04<00:21,  2.67s/it]
eval model::  30%|███       | 3/10 [00:04<00:14,  2.01s/it]
eval model::  40%|████      | 4/10 [00:04<00:09,  1.51s/it]
eval model::  50%|█████     | 5/10 [00:05<00:05,  1.16s/it]
eval model::  60%|██████    | 6/10 [00:05<00:03,  1.10it/s]
eval model::  70%|███████   | 7/10 [00:05<00:02,  1.35it/s]
eval model::  80%|████████  | 8/10 [00:06<00:01,  1.61it/s]
eval model::  90%|█████████ | 9/10 [00:06<00:00,  1.87it/s]
eval model:: 100%|██████████| 10/10 [00:06<00:00,  2.20it/s]
[2025/01/02 01:32:40] root INFO: metric eval ***************
[2025/01/02 01:32:40] root INFO: acc:0.6261999373800062
[2025/01/02 01:32:40] root INFO: norm_edit_dis:0.7362716930394972
[2025/01/02 01:32:40] root INFO: fps:4274.752272925087
INFO 2025-01-02 01:32:41,951 launch.py:311] Local processes completed.

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(s*e_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!")
In [ ] 
%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

[2025/01/02 02:01:08] root INFO: 	 result: 2123	0.9544541[2025/01/02 02:01:08] root INFO: infer_img: /home/aistudio/data/street_code_rec_data/mchar_test_a/039996.png
[2025/01/02 02:01:08] root INFO: 	 result: 341	0.8990403[2025/01/02 02:01:08] root INFO: infer_img: /home/aistudio/data/street_code_rec_data/mchar_test_a/039997.png
[2025/01/02 02:01:08] root INFO: 	 result: 167	0.95185596[2025/01/02 02:01:08] root INFO: infer_img: /home/aistudio/data/street_code_rec_data/mchar_test_a/039998.png
[2025/01/02 02:01:08] root INFO: 	 result: 235	0.9978804[2025/01/02 02:01:08] root INFO: infer_img: /home/aistudio/data/street_code_rec_data/mchar_test_a/039999.png
[2025/01/02 02:01:08] root INFO: 	 result: 910	0.93325263[2025/01/02 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。

In [ ] 
# 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.s*e_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.
[2025/01/02 02:06:43] root INFO: resume from ./output/rec_en_number_lite/best_accuracy
[2025/01/02 02:06:45] root INFO: inference model is s*ed to ./inference/rec_inference/inference
In [ ] 
%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。
In [ ] 
# 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

[2025/01/02 02:08:37] root INFO: Predicts of /home/aistudio/data/street_code_rec_data/mchar_test_a/012500.png:('疗绚娇', 0.71012855)
[2025/01/02 02:08:37] root INFO: Predicts of /home/aistudio/data/street_code_rec_data/mchar_test_a/012501.png:('绚诚', 0.9246478)
[2025/01/02 02:08:37] root INFO: Predicts of /home/aistudio/data/street_code_rec_data/mchar_test_a/012502.png:('溜', 0.93994504)
[2025/01/02 02:08:37] root INFO: Predicts of /home/aistudio/data/street_code_rec_data/mchar_test_a/012503.png:('诚溜', 0.95832443)
[2025/01/02 02:08:37] root INFO: Predicts of /home/aistudio/data/street_code_rec_data/mchar_test_a/012504.png:('溜溜', 0.87103844)
[2025/01/02 02:08:37] root INFO: Predicts of /home/aistudio/data/street_code_rec_data/mchar_test_a/012505.png:('贿', 0.34199885)
[2025/01/02 02:08:37] root INFO: Predicts of /home/aistudio/data/street_code_rec_data/mchar_test_a/012506.png:('题', 0.9996681)
[2025/01/02 02:08:37] root INFO: Predicts of /home/aistudio/data/street_code_rec_data/mchar_test_a/012507.png:('绚绚', 0.9908391)
[2025/01/02 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。

In [28] 
%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

基于PaddleOCR2.4的天池街景字符编码识别Baseline -

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。

以上就是基于PaddleOCR2.4的天池街景字符编码识别Baseline的详细内容，更多请关注其它相关文章！


# git  # python  # 英文  # 一言  # 中文网  # descript  # fig  # udio  # cursor  # igs  # red  # cos  # 区别  # ai  # 工具  # 浏览器  # 南湾外贸国际网站建设  # 大安农产品网站建设  # 枣阳seo网站优化  # 贵阳抖音seo找谁做  # 津seo排名  # 百度网站推广怎么开户  # 贺州营销推广公司  # 苏州企业营销短视频矩阵推广  # 沈阳网站建设团队  # 长沙湘潭seo推广网站诚信企业  # 过程中  # 官网  # 配置文件  # 所示  # 更快  # 万张  # 多线程 


相关栏目： 【 行业新闻62819 】 【 科技资讯67470 】


相关推荐： 美图发布国内首个“懂美学的”AI视觉大模型MiracleVision  华为发布两款AI存储新品  站在社会的高度理解人工智能  行业首发「超级智绘」AI故事集，TCL实业推进AI技术应用  苹果公司迅速拓展AR/VR团队，Vision Pro发布后7月份增设近100份工作机会  生活垃圾智能分类机器人社区展“才能”，征求居民意见  V社谈AI制作游戏被ban：为确保开发者有素材所有权  梦想实现！硬核科幻大片VR智能头盔即将问世  腾讯AI首次模拟拼接三星堆文物，工作取得阶段性的成果  研究发现AI聊天机器人ChatGPT不会讲笑话，只会重复25个老梗  中国电信AI能力通过国家级金融领域权威认证并荣膺AI国际头部竞赛冠军  苹果2万5的AR遭遇砍单95%：不及预期  IBM和NASA合作发布可追踪碳排放的开源AI基础模型  比尔盖茨：AI确实存在风险，但可控  GPT-4是如何工作的？哈佛教授亲自讲授  小红书陷入麻烦！被指控未经许可使用用户图片进行AI训练  应对算力挑战，亚马逊云科技发力AI基础设施建设  今年，全球客服中心支出将增长 16.2%，迎接对话式 AI 的浪潮，根据 Gartner 报告  OpenAI首席执行官引用《道德经》 呼吁就AI安全问题合作  【原创】奥比中光：与英伟达合作开发的3D开发套件正式发布 连接英伟达AI应用生态  世界人工智能大会机器人同台炫技！梳理A股相关业务营收占比超50%的个股名单  微软和谷歌面临的人工智能困境：需要投入大量资金才能获得盈利  中国最强AI研究院的大模型为何迟到了  美图秀秀发布7款AI产品：支持用户创作、商业创作  新华社联合北大发布AI大模型评测：安全可靠成重点，360智脑表现优异  利好来了，AI再起一波？  小米又拿下国际比赛第一：AI翻译立功  7大探索区域打造沉浸式玩乐“元宇宙” 昆明京东MALL未来科技探索官全城招募中  定义人工智能的十个关键术语  应用生成式人工智能技术改善农业产业  深圳人工智能企业超1900家  Nature封面：量子计算机离实际应用还有两年  明略科技发布免费开源TensorBoard.cpp，促进大型模型的预训练工作  两型无人机完成交付！国家级机动观测业务正式启动  特斯拉人形机器人将于 7 月亮相上海 2025 世界人工智能大会  实测 AI 建筑设计软件的自动生成效果图能力  编程版GPT狂飙30星，AutoGPT危险了！  生成式AI引路产业加速来袭，微美全息探索“AIGC+虚拟人”融合应用  引领AI变革，九章云极DataCanvas公司重磅发布AIFS+DataPilot  华为推出两款商用 AI 大模型存储新品，支持 1200 万 IOPS 性能  人工智能框架生态峰会即将召开，聚焦AI大模型技术与科学智能探索！  金山办公宣布与英伟达团队合作，加速WPS AI服务  人工智能赋能广西自然资源领域监测监管  李开复：未来几年，人工智能会革了所有人的命，除非你这么做  遵义市首次引入手术机器人，成功实施全膝关节置换术  OpenAI更新GPT-4等模型，新增API函数调用，价格最高降75%  一次购买全年省心，入手科沃斯这几台机器人，省下时间就是金钱  Bing 聊天机器人现支持在桌面端用语音提问  纪录片 《寻找人工智能》全集1080P超清  成都大运会闭幕式引入人形机器人展示表演 

上一篇：ChatGPT如何生成测试数据 ChatGPT*数据创建指南

返回列表

下一篇：【2025 CCF BDCI 基于文心CV大模型的智慧城市视

400 128 6709
E-mail

contact@tlftec.cn

扫一扫，添加微信

©  云南淘乐房科技有限公司 版权所有  滇ICP备2025071560号  

云南淘乐房科技有限公司 云南淘乐房科技有限公司 云南淘乐房科技有限公司 云南淘乐房科技有限公司 云南淘乐房科技有限公司 云南淘乐房科技有限公司 云南淘乐房科技有限公司 云南淘乐房科技有限公司 云南淘乐房科技有限公司 云南淘乐房科技有限公司