text recognition toolbox

1. 项目介绍

该项目是基于pytorch深度学习框架，以统一的改写方式实现了以下6篇经典的文字识别论文，论文的详情如下。该项目会持续进行更新，欢迎大家提出问题以及对代码进行贡献。

2. 如何使用

2.1 环境要求

torch==1.3.0
numpy==1.17.3
lmdb==0.98
opencv-python==3.4.5.20

2.2 训练

• 数据准备

首先需要准备训练数据，目前只支持lmdb格式的数据，数据转换的步骤如下：

1. 准备图片数据集，图片是根据检测框进行切分后的数据
2. 准备label.txt，标注文件需保持如下的格式

1.jpg 文字检测
2.jpg 文字识别

3. 进行lmdb格式数据集的转换

python3 tools/create_lmdb_dataset.py --inputPath {图片数据集路径} --gtFile {标注文件路径} --outputPath {lmdb格式数据集保存路径}

• 配置文件

目前每个模型都单独配备了一个配置文件，这里以CRNN为例， 配置文件主要参数的含义如下：

• 模型训练

完成上述配置后，使用以下命令即可开始模型的训练：

python train.py -c configs/CRNN.yml

2.3 预测

• 配置文件

同样地，针对模型预测，也都单独配备了一个配置文件，这里以CRNN为例， 需要修改的配置参数如下：

• 模型预测

完成上述配置后，使用以下命令即可开始模型的预测：

python predict.py -c configs/CRNN.yml

3. 预训练模型

以下是5个开源的中文自然场景数据集，可以直接根据上述的模型配置进行模型训练：

以下为5个算法的预训练模型，训练的明细请见第4部分里的实验设定：

4. 实验结果

针对目前已复现的5个算法，我用统一的数据集以及参数设定进行了实验对比，实验设定以及实验结果如下：

• 实验设定

• 实验结果

下图为各个算法在验证集上的识别率，每2000步会进行验证：

• 预测结果示例

算法	预测结果	备注
CRNN		预测结果均取自验证集识别率最高的模型， 左边一列为预测结果，右边为标注结果
GRCNN
FAN
SAR
DAN