PaddleOCR詳解

@

目錄

• PaddleOCR簡介
• 環境配置
  • PaddleOCR2.0的配置環境
  • Docker
  • 資料集
    • 文本檢測
      • 使用自己的資料集
    • 文本識别
      • 使用自己的資料集
      • 字典
        • 自定義字典
        • 添加空格類别
    • 文本角度分類
• 文本檢測
  • 訓練
    • 模型準備
    • 啟動訓練
    • 斷點訓練
  • 名額評估
  • 測試檢測效果
• 文本識别
  • 啟動訓練
    • 評估
    • 預測
• 文本角度分類
  • 訓練
    • 啟動訓練
    • 資料增強
    • 訓練
  • 評估
  • 預測
• 配置檔案說明
  • Global
  • Optimizer (ppocr/optimizer)
  • Architecture (ppocr/modeling)
  • Loss (ppocr/losses)
  • PostProcess (ppocr/postprocess)
  • Metric (ppocr/metrics)
  • Dataset (ppocr/data)
• 錯誤解決方案
  • 當文本識别使用ResNet50時，會出現DataLoader reader thread raised an exception!

PaddleOCR簡介

PaddleOCR分為文本檢測、文本識别和方向分類器三部分，其中文本檢測有三個模型，分别是MobileNetV3、ResNet18_vd和ResNet50，其中最常使用的是MobileNetV3模型，整體比較小，适合應用于手機端。文本識别隻有一個MobileNetV3預訓練模型。方向分類器使用預設的模型。

環境配置

PaddleOCR2.0的配置環境

PaddleOCR2.0的配置環境為:

• PaddlePaddle 2.0.0
• Python 3.7
• glibc 2.23
• cuDNN 7.6+(GPU)

其中，PaddlePaddle可以使用2.0.*

Docker

如果使用docker運作，可以直接使用

paddlepaddle/paddle:2.0.1-gpu-cuda11.0-cudnn8

鏡像，根據個人使用習慣，可以更換，但是paddlepaddle的版本和cudnn版本不能低于PaddleOCR2.0的配置環境。

資料集

其中，文本檢測和文本識别使用的都是icdar2015資料集，方向分類器的資料集需自備

icdar2015資料集可以從官網下載下傳，首次下載下傳需注冊。

文本檢測

文本檢測的icdar2015資料集的标注檔案下載下傳:

wget -P ./train_data/  https://paddleocr.bj.bcebos.com/dataset/train_icdar2015_label.txt
wget -P ./train_data/  https://paddleocr.bj.bcebos.com/dataset/test_icdar2015_label.txt
           

也可以使用PaddleOCR提供的資料格式轉換腳本，将官網的label轉換為支援的資料格式。轉換資料工具為

ppocr/utils/gen_label.py

# 将官網下載下傳的标簽檔案轉換為 train_icdar2015_label.txt
python gen_label.py --mode="det" --root_path="icdar_c4_train_imgs/"  \
                    --input_path="ch4_training_localization_transcription_gt" \
                    --output_label="train_icdar2015_label.txt"
           

解壓資料集和下載下傳标注檔案後，放在PaddleOCR/train_data檔案中，檔案目錄為:

/PaddleOCR/train_data/icdar2015/text_localization/
  └─ icdar_c4_train_imgs/         icdar資料集的訓練資料
  └─ ch4_test_images/             icdar資料集的測試資料
  └─ train_icdar2015_label.txt    icdar資料集的訓練标注
  └─ test_icdar2015_label.txt     icdar資料集的測試标注
           

如果不按照這個格式，需要在後面的配置檔案中配置

使用自己的資料集

标注檔案格式如下，中間用"\t"分隔:

" 圖像檔案名                    json.dumps編碼的圖像标注資訊"
ch4_test_images/img_61.jpg    [{"transcription": "MASA", "points": [[310, 104], [416, 141], [418, 216], [312, 179]]}, {...}]
           

json.dumps編碼前的圖像标注資訊是包含多個字典的list，字典中的

points

表示文本框的四個點的坐标(x, y)，從左上角的點開始順時針排列。

transcription

表示目前文本框的文字，當其内容為“###”時，表示該文本框無效，在訓練時會跳過。

如果您想在其他資料集上訓練，可以按照上述形式建構标注檔案

文本識别

文本識别的資料集也可以參考DTRB，下載下傳benchmark所需的lmdb格式資料集。如果希望複現SRN的論文标準，需要下載下傳離線增廣資料，提取碼: y3ry。增廣資料是由MJSynth和SynthText做旋轉和擾動得到的。資料下載下傳完成後請解壓到 {your_path}/PaddleOCR/train_data/data_lmdb_release/training/ 路徑下。

PaddleOCR提供了一份用于訓練icdar2015資料集的标簽檔案:

# 訓練集标簽
wget -P ./train_data/ic15_data  https://paddleocr.bj.bcebos.com/dataset/rec_gt_train.txt
# 測試集标簽
wget -P ./train_data/ic15_data  https://paddleocr.bj.bcebos.com/dataset/rec_gt_test.txt
           

PaddleOCR也提供了資料格式轉換文本，可以将官網label轉換支援的資料格式。資料轉換工具在

ppocr/utils/gen_label.py

# 将官網下載下傳的标簽檔案轉換為 rec_gt_label.txt
python gen_label.py --mode="rec" --input_path="{path/of/origin/label}" --output_label="rec_gt_label.txt"
           

使用自己的資料集

預設請将圖檔路徑和圖檔标簽用 \t 分割，如用其他方式分割将造成訓練報錯。

" 圖像檔案名                 圖像标注資訊 "

train_data/train_0001.jpg   簡單可依賴
train_data/train_0002.jpg   用科技讓複雜的世界更簡單
           

最終訓練集的檔案結構為:

|-train_data
    |-ic15_data
        |- rec_gt_train.txt
        |- train
            |- word_001.png
            |- word_002.jpg
            |- word_003.jpg
            | ...
           

測試集的檔案結構為:

|-train_data
    |-ic15_data
        |- rec_gt_test.txt
        |- test
            |- word_001.jpg
            |- word_002.jpg
            |- word_003.jpg
            | ...
           

字典

文本檢測與文本識别相比還需要一個字典檔案({word_dict_name}.txt)，使用模型訓練時，可以将所有出現的字元映射為字典的索引。

是以字典需要包含所有希望被正确是被的字元，{word_dict_name}.txt需要寫成如下格式，并以

utf-8

編碼格式儲存:

l
d
a
d
r
n
           

word_dict.txt每行有一個單子，将字元與數字索引映在一起，“and”将被索引稱[2 5 1]

ppocr/utils/ppocr_keys_v1.txt

是一個包含6623個字元的中文字典

ppocr/utils/ic15_dict.txt

是一個包含36個字元的英文字典

ppocr/utils/dict/french_dict.txt

是一個包含118個字元的法文字典

ppocr/utils/dict/japan_dict.txt

是一個包含4399個字元的日文字典

ppocr/utils/dict/korean_dict.txt

是一個包含3636個字元的韓文字典

ppocr/utils/dict/german_dict.txt

是一個包含131個字元的德文字典

ppocr/utils/dict/en_dict.txt

是一個包含63個字元的英文字典

您可以按需使用。

目前的多語言模型仍處在demo階段，會持續優化模型并補充語種。

自定義字典

如需自定義dic檔案，請在

configs/rec/rec_icdar15_train.yml

中添加

character_dict_path

字段, 指向您的字典路徑。 并将

character_type

設定為

ch

。

添加空格類别

如果希望支援識别"空格"類别, 請将yml檔案中的

use_space_char

字段設定為

True

。

文本角度分類

請按如下步驟設定資料集：

訓練資料的預設存儲路徑是

PaddleOCR/train_data/cls

,如果您的磁盤上已有資料集，隻需建立軟連結至資料集目錄：

ln -sf <path/to/dataset> <path/to/paddle_ocr>/train_data/cls/dataset
           

請參考下文組織您的資料。

• 訓練集

首先請将訓練圖檔放入同一個檔案夾（train_images），并用一個txt檔案（cls_gt_train.txt）記錄圖檔路徑和标簽。

注意： 預設請将圖檔路徑和圖檔标簽用

\t

分割，如用其他方式分割将造成訓練報錯

0和180分别表示圖檔的角度為0度和180度

" 圖像檔案名                 圖像标注資訊 "
train/word_001.jpg   0
train/word_002.jpg   180
           

最終訓練集應有如下檔案結構：

|-train_data
    |-cls
        |- cls_gt_train.txt
        |- train
            |- word_001.png
            |- word_002.jpg
            |- word_003.jpg
            | ...
           

• 測試集

同訓練集類似，測試集也需要提供一個包含所有圖檔的檔案夾（test）和一個cls_gt_test.txt，測試集的結構如下所示：

|-train_data
    |-cls
        |- cls_gt_test.txt
        |- test
            |- word_001.jpg
            |- word_002.jpg
            |- word_003.jpg
            | ...
           

文本檢測

訓練

模型準備

首先下載下傳模型backbone的pretrain model，PaddleOCR的檢測模型目前支援兩種backbone，分别是MobileNetV3、ResNet_vd系列， 您可以根據需求使用PaddleClas中的模型更換backbone。

cd PaddleOCR/
# 下載下傳MobileNetV3的預訓練模型
wget -P ./pretrain_models/ https://paddle-imagenet-models-name.bj.bcebos.com/MobileNetV3_large_x0_5_pretrained.tar
# 或，下載下傳ResNet18_vd的預訓練模型
wget -P ./pretrain_models/ https://paddle-imagenet-models-name.bj.bcebos.com/ResNet18_vd_pretrained.tar
# 或，下載下傳ResNet50_vd的預訓練模型
wget -P ./pretrain_models/ https://paddle-imagenet-models-name.bj.bcebos.com/ResNet50_vd_ssld_pretrained.tar

# 解壓預訓練模型檔案，以MobileNetV3為例
tar -xf ./pretrain_models/MobileNetV3_large_x0_5_pretrained.tar ./pretrain_models/

# 注：正确解壓backbone預訓練權重檔案後，檔案夾下包含衆多以網絡層命名的權重檔案，格式如下：
./pretrain_models/MobileNetV3_large_x0_5_pretrained/
  └─ conv_last_bn_mean
  └─ conv_last_bn_offset
  └─ conv_last_bn_scale
  └─ conv_last_bn_variance
  └─ ......
           

啟動訓練

# 單機單卡訓練 mv3_db 模型
python3 tools/train.py -c configs/det/det_mv3_db.yml \
     -o Global.pretrain_weights=./pretrain_models/MobileNetV3_large_x0_5_pretrained/
# 單機多卡訓練，通過 --gpus 參數設定使用的GPU ID
python3 -m paddle.distributed.launch --gpus \'0,1,2,3\' tools/train.py -c configs/det/det_mv3_db.yml \
     -o Global.pretrain_weights=./pretrain_models/MobileNetV3_large_x0_5_pretrained/
           

如果安裝的是cpu版本，請将配置檔案中的use_gpu字段修改為false

訓練參數

• -m 配置paddle
  • --gpus 使用的GPU
• -c 選擇配置檔案
• -o 配置配置檔案中的内容
  • pretrain_weights: 使用的模型目錄
  • Optimizer.base_lr: 訓練時的學習率

斷點訓練

如果訓練程式中斷，如果希望加載訓練中斷的模型進而恢複訓練，可以通過指定Global.checkpoints指定要加載的模型路徑(如

./output/det_r50_vd/latest

)：

python3 tools/train.py -c configs/det/det_mv3_db.yml -o Global.checkpoints=./output/det_mv3_vd/latest
           

注意：

Global.checkpoints

的優先級高于

Global.pretrain_weights

的優先級，即同時指定兩個參數時，優先加載

Global.checkpoints

指定的模型，如果

Global.checkpoints

指定的模型路徑有誤，會加載

Global.pretrain_weights

指定的模型。

名額評估

PaddleOCR計算三個OCR檢測相關的名額，分别是：Precision、Recall、Hmean。

運作如下代碼，根據配置檔案

det_db_mv3.yml

中

save_res_path

指定的測試集檢測結果檔案，計算評估名額。

評估時設定後處理參數

box_thresh=0.5

，

unclip_ratio=1.5

，使用不同資料集、不同模型訓練，可調整這兩個參數進行優化 訓練中模型參數預設儲存在

Global.save_model_dir

目錄下。在評估名額時，需要設定

Global.pretrained_model

指向儲存的參數檔案。

python3 tools/eval.py -c configs/det/det_mv3_db.yml  -o Global.pretrained_model="./output/det_mv3_vd/best_accuracy" PostProcess.box_thresh=0.5 PostProcess.unclip_ratio=1.5
           

• 注：

  box_thresh

  、

  unclip_ratio

  是DB後處理所需要的參數，在評估EAST模型時不需要設定

測試檢測效果

測試單張圖像的檢測效果

python3 tools/infer_det.py -c configs/det/det_mv3_db.yml -o Global.infer_img="./doc/imgs_en/img_10.jpg" Global.pretrained_model="./output/det_db/best_accuracy" Global.load_static_weights=false
           

測試DB模型時，調整後處理門檻值，

python3 tools/infer_det.py -c configs/det/det_mv3_db.yml -o Global.infer_img="./doc/imgs_en/img_10.jpg" Global.pretrained_model="./output/det_db/best_accuracy" Global.load_static_weights=false PostProcess.box_thresh=0.6 PostProcess.unclip_ratio=1.5
           

測試檔案夾下所有圖像的檢測效果

python3 tools/infer_det.py -c configs/det/det_mv3_db.yml -o Global.infer_img="./doc/imgs_en/" Global.pretrained_model="./output/det_db/best_accuracy" Global.load_static_weights=false
           

文本識别

啟動訓練

PaddleOCR提供了訓練腳本、評估腳本和預測腳本，本節将以 CRNN 識别模型為例：

首先下載下傳pretrain model，您可以下載下傳訓練好的模型在 icdar2015 資料上進行finetune

cd PaddleOCR/
# 下載下傳MobileNetV3的預訓練模型
wget -P ./pretrain_models/ https://paddleocr.bj.bcebos.com/dygraph_v2.0/en/rec_mv3_none_bilstm_ctc_v2.0_train.tar
# 解壓模型參數
cd pretrain_models
tar -xf rec_mv3_none_bilstm_ctc_v2.0_train.tar && rm -rf rec_mv3_none_bilstm_ctc_v2.0_train.tar
           

開始訓練:

如果您安裝的是cpu版本，請将配置檔案中的

use_gpu

字段修改為false

# GPU訓練 支援單卡，多卡訓練，通過--gpus參數指定卡号
# 訓練icdar15英文資料 訓練日志會自動儲存為 "{save_model_dir}" 下的train.log
python3 -m paddle.distributed.launch --gpus \'0,1,2,3\'  tools/train.py -c configs/rec/rec_icdar15_train.yml
           

• 資料增強

PaddleOCR提供了多種資料增強方式，如果您希望在訓練時加入擾動，請在配置檔案中設定

distort: true

。

預設的擾動方式有：顔色空間轉換(cvtColor)、模糊(blur)、抖動(jitter)、噪聲(Gasuss noise)、随機切割(random crop)、透視(perspective)、顔色反轉(reverse)。

訓練過程中每種擾動方式以50%的機率被選擇，具體代碼實作請參考：img_tools.py

由于OpenCV的相容性問題，擾動操作暫時隻支援Linux

• 訓練

PaddleOCR支援訓練和評估交替進行, 可以在

configs/rec/rec_icdar15_train.yml

中修改

eval_batch_step

設定評估頻率，預設每500個iter評估一次。評估過程中預設将最佳acc模型，儲存為

output/rec_CRNN/best_accuracy

。

如果驗證集很大，測試将會比較耗時，建議減少評估次數，或訓練完再進行評估。

其他模型配置請參考PaddleOCR github

評估

評估資料集可以通過

configs/rec/rec_icdar15_train.yml

修改Eval中的

label_file_path

設定。

# GPU 評估， Global.pretrained_model 為待測權重
python3 -m paddle.distributed.launch --gpus \'0\' tools/eval.py -c configs/rec/rec_icdar15_train.yml -o Global.pretrained_model={path/to/weights}/best_accuracy
           

預測

• 訓練引擎的預測

使用 PaddleOCR 訓練好的模型，可以通過以下腳本進行快速預測。

預設預測圖檔存儲在

infer_img

裡，通過

-o Global.pretrained_model

指定權重：

# 預測英文結果
python3 tools/infer_rec.py -c configs/rec/rec_icdar15_train.yml -o Global.pretrained_model={path/to/weights}/best_accuracy Global.load_static_weights=false Global.infer_img=doc/imgs_words/en/word_1.png
           

預測使用的配置檔案必須與訓練一緻，如您通過

python3 tools/train.py -c configs/rec/ch_ppocr_v2.0/rec_chinese_lite_train_v2.0.yml

完成了中文模型的訓練， 您可以使用如下指令進行中文模型預測。

# 預測中文結果
python3 tools/infer_rec.py -c configs/rec/ch_ppocr_v2.0/rec_chinese_lite_train_v2.0.yml -o Global.pretrained_model={path/to/weights}/best_accuracy Global.load_static_weights=false Global.infer_img=doc/imgs_words/ch/word_1.jpg
           

文本角度分類

訓練

啟動訓練

将準備好的txt檔案和圖檔檔案夾路徑分别寫入配置檔案的

Train/Eval.dataset.label_file_list

和

Train/Eval.dataset.data_dir

字段下，

Train/Eval.dataset.data_dir

字段下的路徑和檔案裡記載的圖檔名構成了圖檔的絕對路徑。

PaddleOCR提供了訓練腳本、評估腳本和預測腳本。

開始訓練:

如果您安裝的是cpu版本，請将配置檔案中的

use_gpu

字段修改為false

# GPU訓練 支援單卡，多卡訓練，通過 \'--gpus\' 指定卡号。
# 啟動訓練，下面的指令已經寫入train.sh檔案中，隻需修改檔案裡的配置檔案路徑即可
python3 -m paddle.distributed.launch --gpus \'0,1,2,3,4,5,6,7\'  tools/train.py -c configs/cls/cls_mv3.yml
           

資料增強

PaddleOCR提供了多種資料增強方式，如果您希望在訓練時加入擾動，請在配置檔案中取消

Train.dataset.transforms

下的

RecAug

和

RandAugment

字段的注釋。

預設的擾動方式有：顔色空間轉換(cvtColor)、模糊(blur)、抖動(jitter)、噪聲(Gasuss noise)、随機切割(random crop)、透視(perspective)、顔色反轉(reverse),随機資料增強(RandAugment)。

訓練過程中除随機資料增強外每種擾動方式以50%的機率被選擇，具體代碼實作請參考： rec_img_aug.py randaugment.py

由于OpenCV的相容性問題，擾動操作暫時隻支援linux

訓練

PaddleOCR支援訓練和評估交替進行, 可以在

configs/cls/cls_mv3.yml

中修改

eval_batch_step

設定評估頻率，預設每1000個iter評估一次。訓練過程中将會儲存如下内容：

├── best_accuracy.pdopt # 最佳模型的優化器參數
├── best_accuracy.pdparams # 最佳模型的參數
├── best_accuracy.states # 最佳模型的名額和epoch等資訊
├── config.yml # 本次實驗的配置檔案
├── latest.pdopt # 最新模型的優化器參數
├── latest.pdparams # 最新模型的參數
├── latest.states # 最新模型的名額和epoch等資訊
└── train.log # 訓練日志
           

如果驗證集很大，測試将會比較耗時，建議減少評估次數，或訓練完再進行評估。

注意，預測/評估時的配置檔案請務必與訓練一緻

評估

評估資料集可以通過修改

configs/cls/cls_mv3.yml

檔案裡的

Eval.dataset.label_file_list

字段設定。

export CUDA_VISIBLE_DEVICES=0
# GPU 評估， Global.checkpoints 為待測權重
python3 tools/eval.py -c configs/cls/cls_mv3.yml -o Global.checkpoints={path/to/weights}/best_accuracy
           

預測

• 訓練引擎的預測

使用 PaddleOCR 訓練好的模型，可以通過以下腳本進行快速預測。

通過

Global.infer_img

指定預測圖檔或檔案夾路徑，通過

Global.checkpoints

指定權重：

# 預測分類結果
python3 tools/infer_cls.py -c configs/cls/cls_mv3.yml -o Global.pretrained_model={path/to/weights}/best_accuracy Global.load_static_weights=false Global.infer_img=doc/imgs_words/ch/word_1.jpg
           

配置檔案說明

Global

字段	用途	預設值	備注
use_gpu	設定代碼是否在gpu運作	true	\
epoch_num	最大訓練epoch數	500	\
log_smooth_window	log隊列長度，每次列印輸出隊列裡的中間值	20	\
print_batch_step	設定列印log間隔	10	\
save_model_dir	設定模型儲存路徑	output/{算法名稱}	\
save_epoch_step	設定模型儲存間隔	3	\
eval_batch_step	設定模型評估間隔	2000 或 [1000, 2000]	2000 表示每2000次疊代評估一次，[1000， 2000]表示從1000次疊代開始，每2000次評估一次
cal_metric_during_train	設定是否在訓練過程中評估名額，此時評估的是模型在目前batch下的名額	true	\
load_static_weights	設定預訓練模型是否是靜态圖模式儲存(目前僅檢測算法需要)	true	\
pretrained_model	設定加載預訓練模型路徑	./pretrain_models/CRNN/best_accuracy	\
checkpoints	加載模型參數路徑	None	用于中斷後加載參數繼續訓練
use_visualdl	設定是否啟用visualdl進行可視化log展示	False	教程位址
infer_img	設定預測圖像路徑或檔案夾路徑	./infer_img	|
character_dict_path	設定字典路徑	./ppocr/utils/ppocr_keys_v1.txt	\
max_text_length	設定文本最大長度	25	\
character_type	設定字元類型	ch	en/ch, en時将使用預設dict，ch時使用自定義dict
use_space_char	設定是否識别空格	True	僅在 character_type=ch 時支援空格
label_list	設定方向分類器支援的角度	[\'0\',\'180\']	僅在方向分類器中生效
save_res_path	設定檢測模型的結果儲存位址	./output/det_db/predicts_db.txt	僅在檢測模型中生效

Optimizer (ppocr/optimizer)

字段	用途	預設值	備注
name	優化器類名	Adam	目前支援 Momentum , Adam , RMSProp , 見ppocr/optimizer/optimizer.py
beta1	設定一階矩估計的指數衰減率	0.9	\
beta2	設定二階矩估計的指數衰減率	0.999	\
clip_norm	所允許的二範數最大值	\
lr	設定學習率decay方式	-	\
name	學習率decay類名	Cosine	目前支援 Linear , Cosine , Step , Piecewise , 見ppocr/optimizer/learning_rate.py
learning_rate	基礎學習率	0.001	\
regularizer	設定網絡正則化方式	-	\
name	正則化類名	L2	目前支援 L1 , L2 , 見ppocr/optimizer/regularizer.py
factor	學習率衰減系數	0.00004	\

Architecture (ppocr/modeling)

在ppocr中，網絡被劃分為Transform,Backbone,Neck和Head四個階段

字段	用途	預設值	備注
model_type	網絡類型	rec	目前支援 rec , det , cls
algorithm	模型名稱	CRNN	支援清單見algorithm_overview
Transform	設定變換方式	-	目前僅rec類型的算法支援, 具體見ppocr/modeling/transform
name	變換方式類名	TPS	目前支援 TPS
num_fiducial	TPS控制點數	20	上下邊各十個
loc_lr	定位網絡學習率	0.1	\
model_name	定位網絡大小	small	目前支援 small , large
Backbone	設定網絡backbone類名	-	具體見ppocr/modeling/backbones
name	backbone類名	ResNet	目前支援 MobileNetV3 , ResNet
layers	resnet層數	34	支援18,34,50,101,152,200
model_name	MobileNetV3 網絡大小	small	支援 small , large
Neck	設定網絡neck	-	具體見ppocr/modeling/necks
name	neck類名	SequenceEncoder	目前支援 SequenceEncoder , DBFPN
encoder_type	SequenceEncoder編碼器類型	rnn	支援 reshape , fc , rnn
hidden_size	rnn内部單元數	48	\
out_channels	DBFPN輸出通道數	256	\
Head	設定網絡Head	-	具體見ppocr/modeling/heads
name	head類名	CTCHead	目前支援 CTCHead , DBHead , ClsHead
fc_decay	CTCHead正則化系數	0.0004	\
k	DBHead二值化系數	50	\
class_dim	ClsHead輸出分類數	2	\

Loss (ppocr/losses)

字段	用途	預設值	備注
name	網絡loss類名	CTCLoss	目前支援 CTCLoss , DBLoss , ClsLoss
balance_loss	DBLossloss中是否對正負樣本數量進行均衡(使用OHEM)	True	\
ohem_ratio	DBLossloss中的OHEM的負正樣本比例	3	\
main_loss_type	DBLossloss中shrink_map所采用的的loss	DiceLoss	支援 DiceLoss , BCELoss
alpha	DBLossloss中shrink_map_loss的系數	5	\
beta	DBLossloss中threshold_map_loss的系數	10	\

PostProcess (ppocr/postprocess)

字段	用途	預設值	備注
name	後處理類名	CTCLabelDecode	目前支援 CTCLoss , AttnLabelDecode , DBPostProcess , ClsPostProcess
thresh	DBPostProcess中分割圖進行二值化的門檻值	0.3	\
box_thresh	DBPostProcess中對輸出框進行過濾的門檻值，低于此門檻值的框不會輸出	0.7	\
max_candidates	DBPostProcess中輸出的最大文本框數量	1000
unclip_ratio	DBPostProcess中對文本框進行放大的比例	2.0	\

Metric (ppocr/metrics)

字段	用途	預設值	備注
name	名額評估方法名稱	CTCLabelDecode	目前支援 DetMetric , RecMetric , ClsMetric
main_indicator	主要名額,用于選取最優模型	acc	對于檢測方法為hmean，識别和分類方法為acc

Dataset (ppocr/data)

字段	用途	預設值	備注
dataset	每次疊代傳回一個樣本	-	-
name	dataset類名	SimpleDataSet	目前支援 SimpleDataSet 和 LMDBDateSet
data_dir	資料集圖檔存放路徑	./train_data	\
label_file_list	資料标簽路徑	["./train_data/train_list.txt"]	dataset為LMDBDateSet時不需要此參數
ratio_list	資料集的比例	[1.0]	若label_file_list中有兩個train_list，且ratio_list為[0.4,0.6]，則從train_list1中采樣40%，從train_list2中采樣60%組合整個dataset
transforms	對圖檔和标簽進行變換的方法清單	[DecodeImage,CTCLabelEncode,RecResizeImg,KeepKeys]	見ppocr/data/imaug
loader	dataloader相關	-
shuffle	每個epoch是否将資料集順序打亂	True	\
batch_size_per_card	訓練時單卡batch size	256	\
drop_last	是否丢棄因資料集樣本數不能被 batch_size 整除而産生的最後一個不完整的mini-batch	True	\
num_workers	用于加載資料的子程序個數，若為0即為不開啟子程序，在主程序中進行資料加載	8

錯誤解決方案

當文本識别使用ResNet50時，會出現

DataLoader reader thread raised an exception!

将配置檔案的

train loader batch_size_per_card

改為8即可

本人部落格 https://xiaoxiablogs.top