百度飞浆Paddle OCR检测和识别【OCR数据收集、标注、数据集划分、检测识别模型训练、导出模型】

文章目录

前言
一、OCR数据集采集
二、OCR数据标注
三、划分数据集
四、数据训练
五、导出模型

前言

1、我的电脑没有GPU，如果不使用AI Studio训练的话，第一遍我是按照CPU进行环境配置和训练的，可以参考这篇文章，我按着弄了一遍，可以使用的。
2、使用AI Studio平台进行数据GPU训练，每天都可以领到可以使用的点数，作为零氪用户也可以使用A100训练，完全够用的。Ai Studio进行训练方便简单快捷，不需要配置复杂的环境，或者解决各种离谱的代码报错。本文使用Ai Studio进行训练的。

提示：Paddle OCR分为两部分：检测【det】和识别【rec】,需要分别进行训练，然后拿到训练结果还需要生成模型，Paddle版本最好2.5.2的，使用2.6.1的导出的模型没办法供后续开发使用

一、OCR数据集采集

图片大小不影响训练，将图片进行采集。

二、OCR数据标注

tools文件地址：提取码：umys

1、解压并安装tools文件下的miniconda,建议安装在D盘下的某个目录中，【C盘权限问题比较多后续会麻烦】
在这里插入图片描述

安装完成之后，检查我的电脑-》属性-》高级系统变量-》path中是否有下框标红路径，没有的话需要加上【你自己的安装路径】，我的安装路径在D:\miniconda3，示例：
在这里插入图片描述

2、拿到tools文件夹下的.condarc 文件放在“C:\Users\XXX”下【XXX是你的本机用户名】，【我的用户名为29162】示例：
在这里插入图片描述

3、在最近安装找到anaconda prompt，【没找到可以在搜索框搜索】右键管理员身份打开。
①输入 conda create -n OCRTest python=3.8 【这个命令是创建了个环境，其中OCRTest是新取的环境名，这里取名以OCRTest为例】
在这里插入图片描述

在这里插入图片描述

输入“y”
显示到这里说明新环境创建成功
②把tools文件下的PaddleOCR-dygraph.zip解压，可以放到你自己的路径下，【我的路径是D:\BaiduNetdiskDownload\PaddleOCR-dygraph\PaddleOCR-dygraph，并以这个路径为例】
③在刚刚的Anaconda窗口中输入
conda activate OCRTest 【命令行前面的base变为OCRTest说明环境激活成功】
d:
cd D:\BaiduNetdiskDownload\PaddleOCR-dygraph\PaddleOCR-dygraph\PPOCRLabel 【注意，是进入到了PPOCRLabel路径下了】
在这里插入图片描述

④输入以下命令【请按照截图中的步骤进行安装和运行，指令贴在下面了，方便粘贴使用】
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
此处贴上上面用到的指令，方便粘贴使用

conda install paddlepaddle==2.6.1 --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/win-64   
python PPOCRLabel.py
pip install xlrd
python PPOCRLabel.py
pip install PyQt5

如果遇到Proceed ([y]/n)?   直接输入y
如果遇到paddle报错，请输入：
conda install paddlepaddle==2.6.1 --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/win-64  
如果遇到cv2报错，请输入
cd ..
pip install -r requirements.txt
如果报错OMP: Error #15: Initializing libiomp5md.dll
set KMP_DUPLICATE_LIB_OK=TRUE

⑤至此，标注软件成功安装并打开啦！！！

解压xunlianji，并在标注软件界面选择文件-》打开目录-》①选择你刚刚解压完的图片所在文件夹路径，②文件-》自动导出标记结果，界面如下，快捷键信息如下【常用快捷键w是新建标注框，d是切换下一张】。
在这里插入图片描述

在这里插入图片描述

手动缩小识别框，确保数字全部被识别框包裹。

自动标注会有一些错误，我们需要的仅仅是正确的号码牌数字
以下是几类错误，需要手动修改，每次手动修改识别结果后需要按下回车键。
1、多了英文符号的，需要在右侧红色框框里去掉英文符号
在这里插入图片描述

全部标注完成后，依次点击“文件”下的导出Label，导出recLabel按钮。最后生成的文件如下：
在这里插入图片描述

还有生成了文件夹，用于rec识别:
在这里插入图片描述

三、划分数据集

把图片和标注数据按照Label.txt文件以8：1：1【6：2：2也行，具体按照实验要求来】划分，手动或者编码划分，划分后的结果如下：
在这里插入图片描述

四、数据训练

数据训练分为det检测训练和rec识别训练，paddle 2.5.2的环境，在Ai Studio训练。
在这里插入图片描述

1、det的训练：
det训练地址

算力点每日运行获取，使用GPU训练
在这里插入图片描述
依次点击pip安装，最后点击运行，启动环境成功

训练完成后在AIstudio查看推理效果，下载模型文件。

2、rec训练
训练网址：rec训练地址

依次pip后点击运行
上传数据集后开始训练和推理，步骤同det
注：rec的数据集是前面标注生成的检测数据集：
在这里插入图片描述

五、导出模型

从AI Studio下载下来的模型文件为
在这里插入图片描述

需要使用如下命令进行导出【按照自己的路径进行修改，第一个路径是你从AIStudio下载下来的需要进行模型转换的路径,model是文件名；第二个路径是你想导出到的路径】：

det生成模型：

python tools/export_model.py -c configs/det/ch_PP-OCRv4/ch_PP-OCRv4_det_teacher.yml -o Global.checkpoints=./output/ch_PP-OCRv4/det_best_model/model Global.save_inference_dir=./output/db_lqq_infer/det_model

rec生成模型：

python tools/export_model.py -c configs/rec/ch_PP-OCRv4/ch_PP-OCRv4_rec.yml -o Global.checkpoints=./output/ch_PP-OCRv4/det_best_model/model Global.save_inference_dir=./output/db_lqq_infer/rec_model