update toc, test=document
WenmuZhou
parent
e3c66dccd7
commit
a153b58f0b
|
|
@ -5,15 +5,15 @@
|
|||
- [3.2 制作符合PP-OCR训练格式的标注文件](#32-制作符合pp-ocr训练格式的标注文件)
|
||||
- [4. 实验](#4-实验)
|
||||
- [4.1 检测](#41-检测)
|
||||
- [4.1.1 方案1：预训练模型](#411-方案1预训练模型)
|
||||
- [4.1.2 方案2：CCPD车牌数据集fine-tune](#412-方案2ccpd车牌数据集fine-tune)
|
||||
- [4.1.3 量化训练](#413-量化训练)
|
||||
- [4.1.1 预训练模型](#411-预训练模型)
|
||||
- [4.1.2 CCPD车牌数据集fine-tune](#412-ccpd车牌数据集fine-tune)
|
||||
- [4.1.3 CCPD车牌数据集fine-tune+量化训练](#413-ccpd车牌数据集fine-tune量化训练)
|
||||
- [4.1.4 模型导出](#414-模型导出)
|
||||
- [4.2 识别](#42-识别)
|
||||
- [4.2.1 方案1：预训练模型](#421-方案1预训练模型)
|
||||
- [4.2.2 改动后处理](#422-改动后处理)
|
||||
- [4.2.3 方案2：CCPD车牌数据集fine-tune](#423-方案2ccpd车牌数据集fine-tune)
|
||||
- [4.2.4 量化训练](#424-量化训练)
|
||||
- [4.2.1 预训练模型](#421-预训练模型)
|
||||
- [4.2.2 预训练模型+改动后处理](#422-预训练模型改动后处理)
|
||||
- [4.2.3 CCPD车牌数据集fine-tune](#423-ccpd车牌数据集fine-tune)
|
||||
- [4.2.4 CCPD车牌数据集fine-tune+量化训练](#424-ccpd车牌数据集fine-tune量化训练)
|
||||
- [4.2.5 模型导出](#425-模型导出)
|
||||
- [4.3 串联推理](#43-串联推理)
|
||||
- [4.4 实验总结](#44-实验总结)
|
||||
|
|
@ -217,7 +217,7 @@ for phase in ['train','val','test']:
|
|||
3. CCPD车牌数据集在PP-OCRv3模型上fine-tune后量化
|
||||
|
||||
### 4.1 检测
|
||||
#### 4.1.1 方案1：预训练模型
|
||||
#### 4.1.1 预训练模型
|
||||
|
||||
从下表中下载PP-OCRv3文本检测预训练模型
|
||||
|
||||
|
|
@ -257,7 +257,7 @@ python tools/eval.py -c configs/det/ch_PP-OCRv3/ch_PP-OCRv3_det_student.yml -o \
|
|||
|---|---|
|
||||
|PP-OCRv3中英文超轻量检测预训练模型|76.12%|
|
||||
|
||||
#### 4.1.2 方案2：CCPD车牌数据集fine-tune
|
||||
#### 4.1.2 CCPD车牌数据集fine-tune
|
||||
|
||||
**训练**
|
||||
|
||||
|
|
@ -312,7 +312,7 @@ python tools/eval.py -c configs/det/ch_PP-OCRv3/ch_PP-OCRv3_det_student.yml -o \
|
|||
|
||||
可以看到进行fine-tune能显著提升车牌检测的效果。
|
||||
|
||||
#### 4.1.3 量化训练
|
||||
#### 4.1.3 CCPD车牌数据集fine-tune+量化训练
|
||||
|
||||
为了在端侧设备上进行部署，我们还需要对模型进行量化以提升模型的运行速度并降低模型体积。
|
||||
|
||||
|
|
@ -361,7 +361,7 @@ python deploy/slim/quantization/export_model.py -c configs/det/ch_PP-OCRv3/ch_PP
|
|||
```
|
||||
|
||||
### 4.2 识别
|
||||
#### 4.2.1 方案1：预训练模型
|
||||
#### 4.2.1 预训练模型
|
||||
|
||||
从下表中下载PP-OCRv3文本识别预训练模型
|
||||
|
||||
|
|
@ -452,7 +452,7 @@ W0501 08:51:57.132315 11326 device_context.cc:465] device: 0, cuDNN Version: 7.6
|
|||
1. 直接通过后处理去掉多识别的`·`。
|
||||
2. 进行finetune。
|
||||
|
||||
#### 4.2.2 改动后处理
|
||||
#### 4.2.2 预训练模型+改动后处理
|
||||
|
||||
直接通过后处理去掉多识别的`·`，在后处理的改动比较简单，只需在 `ppocr/postprocess/rec_postprocess.py` 文件的76行添加如下代码:
|
||||
```python
|
||||
|
|
@ -468,7 +468,7 @@ text = text.replace('·','')
|
|||
|
||||
可以看到，去掉多余的`·`能大幅提高精度。
|
||||
|
||||
#### 4.2.3 方案2：CCPD车牌数据集fine-tune
|
||||
#### 4.2.3 CCPD车牌数据集fine-tune
|
||||
|
||||
**训练**
|
||||
|
||||
|
|
@ -526,7 +526,7 @@ python tools/eval.py -c configs/rec/PP-OCRv3/ch_PP-OCRv3_rec.yml -o \
|
|||
|
||||
可以看到进行fine-tune能显著提升车牌识别的效果。
|
||||
|
||||
#### 4.2.4 量化训练
|
||||
#### 4.2.4 CCPD车牌数据集fine-tune+量化训练
|
||||
|
||||
为了在端侧设备上进行部署，我们还需要对模型进行量化以提升模型的运行速度并降低模型体积。
|
||||
|
||||
|
|
|
|||
Loading…
Reference in New Issue