PaddleOCR/doc/doc_ch/algorithm_rec_seed.md

SEED

• 1. 算法简介
• 2. 环境配置
• 3. 模型训练、评估、预测
  • 3.1 训练
  • 3.2 评估
  • 3.3 预测
• 4. 推理部署
  • 4.1 Python推理
  • 4.2 C++推理
  • 4.3 Serving服务化部署
  • 4.4 更多推理部署
• 5. FAQ

1. 算法简介

论文信息：

STAR-Net: a spatial attention residue network for scene text recognition.

Qiao, Zhi and Zhou, Yu and Yang, Dongbao and Zhou, Yucan and Wang, Weiping

CVPR, 2020

参考DTRB 文字识别训练和评估流程，使用MJSynth和SynthText两个文字识别数据集训练，在IIIT, SVT, IC03, IC13, IC15, SVTP, CUTE数据集上进行评估，算法效果如下：

模型	骨干网络	Avg Accuracy	模型存储命名	下载链接
SEED	Aster_Resnet	85.2%	rec_resnet_stn_bilstm_att	训练模型

2. 环境配置

请先参考《运行环境准备》配置PaddleOCR运行环境，参考《项目克隆》克隆项目代码。

3. 模型训练、评估、预测

请参考文本识别训练教程。PaddleOCR对代码进行了模块化，训练不同的识别模型只需要更换配置文件即可。

4. 推理部署

4.1 Python推理

comming soon

4.2 C++推理

comming soon

4.3 Serving服务化部署

comming soon

4.4 更多推理部署

comming soon

5. FAQ

引用

@inproceedings{qiao2020seed,
  title={Seed: Semantics enhanced encoder-decoder framework for scene text recognition},
  author={Qiao, Zhi and Zhou, Yu and Yang, Dongbao and Zhou, Yucan and Wang, Weiping},
  booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition},
  pages={13528--13537},
  year={2020}
}