Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/yinchangchang/ocr_densenet
第一届西安交通大学人工智能实践大赛（2018AI实践大赛--图片文字识别）第一名；仅采用densenet识别图中文字
https://github.com/yinchangchang/ocr_densenet
densenet ocr ocr-recognition python pytorch
Last synced: 10 days ago
JSON representation
第一届西安交通大学人工智能实践大赛（2018AI实践大赛--图片文字识别）第一名；仅采用densenet识别图中文字
- Host: GitHub
- URL: https://github.com/yinchangchang/ocr_densenet
- Owner: yinchangchang
- Created: 2018-06-05T07:27:26.000Z (over 6 years ago)
- Default Branch: master
- Last Pushed: 2019-03-12T08:42:01.000Z (over 5 years ago)
- Last Synced: 2024-08-02T11:16:32.873Z (3 months ago)
- Topics: densenet, ocr, ocr-recognition, python, pytorch
- Language: Python
- Homepage:
- Size: 6.65 MB
- Stars: 457
- Watchers: 16
- Forks: 160
- Open Issues: 15
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# OCR
[第一届西安交通大学人工智能实践大赛（2018AI实践大赛--图片文字识别）](http://competition.heils.cn/main.html)冠军
# 模型结果
该比赛计算每一个条目的f1score，取所有条目的平均，具体计算方式在[这里](http://competition.heils.cn/main.html)。这里的计算方式不对一句话里的相同文字重复计算，故f1score比提交的最终结果低：
| - | train | val |
| :----------------: | :----------------: | :----------------: |
| f1score | 0.9911 | 0.9582 |
| recall | 0.9943 | 0.9574 |
| precision | 0.9894 | 0.9637 |
# 模型说明
1. 模型
采用densenet结构，模型输入为(64×512)的图片，输出为(8×64×2159)的概率。
将图片划分为多个(8×8)的方格，在每个方格预测2159个字符的概率。
2. Loss
将(8×64×2159)的概率沿着长宽方向取最大值，得到(2159)的概率，表示这张图片里有对应字符的概率。
balance: 对正例和负例分别计算loss，使得正例loss权重之和与负例loss权重之和相等，解决数据不平衡的问题。
hard-mining
3. 文字检测
将(8×64×2159)的概率沿着宽方向取最大值，得到(64×2159)的概率。
沿着长方向一个个方格预测文字，然后连起来可得到一句完整的语句。
存在问题：两个连续的文字无法重复检测
下图是一个文字识别正确的示例：的长为半径作圆
下图是一个文字识别错误的示例：为10元；经粗加工后销售，每
# 文件目录
ocr
|
|--code
|
|--files
| |
| |--train.csv
|
|--data
|
|--dataset
| |
| |--train
| |
| |--test
|
|--result
| |
| |--test_result.csv
|
|--images 此文件夹放置任何图片均可，我放的celebA数据集用作pretrain
# 运行环境
Ubuntu16.04, python2.7, CUDA9.0
安装[pytorch](https://pytorch.org/), 推荐版本: 0.2.0_3
```
pip install -r requirement.txt
```
# 下载数据
从[这里](https://pan.baidu.com/s/1w0iEE7q84IolmZXwttOxVw)下载初赛、复赛数据、模型，合并训练集、测试集。
# 预处理
如果不更换数据集，不需要执行这一步。
如果更换其他数据集，一并更换 files/train.csv
```
cd code/preprocessing
python map_word_to_index.py
python analysis_dataset.py
```
# 训练
```
cd code/ocr
python main.py
```
# 测试
f1score在0.9以下，lr=0.001，不使用hard-mining；
f1score在0.9以上，lr=0.0001，使用hard-mining；
生成的model保存在不同的文件夹里。
```
cd code/ocr
python main.py --phase test --resume ../../data/models-small/densenet/eval-16-1/best_f1score.ckpt
```