【PPOCR】PaddleOCR微调en_PP-OCRv3_det_infer检测模型
本帖最后由 云天徽上 于 2024-8-20 17:11 编辑> 本帖最后由 云天徽上 于 2024-8-20 14:20 编辑
> 本帖最后由 云天徽上 于 2024-8-19 17:20 编辑
### 1、获取微调检测模型的数据
检测模型的数据集的制作和获取具体参考PPOCRLabel进行数据标注，并划分检测数据集的步骤；得到的检测结果如下图所示：
!(data/attachment/forum/202408/19/100211cp61o2ljelcodqei.png)
其中trian/val/test文件夹下图片，train.txt等文件是对应的文本框的标注文件；
### 2、初始权重的获取
en_PP-OCRv3_det 【最新】原始超轻量模型，支持英文、数字检测 (file:/././PaddleOCR-release-2.5/configs/det/ch_PP-OCRv3/ch_PP-OCRv3_det_cml.yml) 3.8M
下载地址：
[https://paddleocr.bj.bcebos.com/PP-OCRv3/english/en_PP-OCRv3_det_distill_train.tar](https://paddleocr.bj.bcebos.com/PP-OCRv3/english/en_PP-OCRv3_det_distill_train.tar)
###3、检测模型的推理：
python tools/infer_det.py -c ./configs/det/ch_PP-OCRv3/ch_PP-OCRv3_det_cml.yml -o Global.infer_img="./train_data/drivingData/" Global.pretrained_model="./inference_model/en_PP-OCRv3_det_infer/best_accuracy"
###4、检测模型的验证：
python tools/eval.py -c ./configs/det/ch_PP-OCRv3/ch_PP-OCRv3_det_cml.yml-o Global.checkpoints="{path/to/weights}/best_accuracy"
###5、检测模型的训练：
有3种模型配置文件加载的方式，对应不同的yml的权重文件：具体参考：[https://aistudio.baidu.com/projectdetail/8236106](https://aistudio.baidu.com/projectdetail/8236106)
训练的细节参考：[https://github.com/PaddlePaddle/PaddleOCR/blob/main/doc/doc_ch/finetune.md](https://github.com/PaddlePaddle/PaddleOCR/blob/main/doc/doc_ch/finetune.md)
#### 4.1单机单卡训练：
python tools/train.py -c ./configs/det/ch_PP-OCRv3/ch_PP-OCRv3_det_cml.yml -o Global.pretrained_model="./inference_model/en_PP-OCRv3_det_infer/best_accuracy"
#### 4.2混合精度训练：
python3 tools/train.py -c configs/det/det_mv3_db.yml -o Global.pretrained_model=./pretrain_models/MobileNetV3_large_x0_5_pretrained Global.use_amp=True Global.scale_loss=1024.0 Global.use_dynamic_loss_scaling=True
### 5、微调结果测试：
python tools/eval.py -c ./configs/det/ch_PP-OCRv3/ch_PP-OCRv3_det_cml.yml-o Global.checkpoints="./inference_model/en_PP-OCRv3_det_infer/best_accuracy"
#### 5.1 检测模型微调前的精度
!(data/attachment/forum/202408/19/104521nr9vfjmirxovogor.png)
####5.2 检测模型微调后的精度
!(data/attachment/forum/202408/19/104644atc59a59ixnanr58.png)
训练后的模型各方面的性能都有了提升。。。
### 5.训练后的模型转静态模型
python tools/export_model.py -c configs/rec/PP-OCRv4/en_PP-OCRv4_rec.yml
-o Global.pretrained_model=./output/best_accuracy
Global.save_inference_dir=./inference/
### 6.静态模型转onnx支持C++的TensorRT部署
paddle2onnx --model_dir /mnt/d/Downloads/202406/paddelocr/pp/ch_PP-OCRv4_det_infer/ --model_filename inference.pdmodel --params_filename inference.pdiparams --opset_version 11 --save_file /mnt/d/Downloads/202406/paddelocr/onnx/ch_PP-OCRv4_rec_infer.onnx
### 注意点：
1、如果检测的图像尺寸偏小的话，可以使用resize将图片放大一些；
2、如果训练出来的检测框偏小，可以修改参数unclip_ratio，将其调大即可。配置文件中的参数；
页:
[1]