网站链接: element-ui dtcms
当前位置: 首页 > 技术博文  > 技术博文

关于提高OCR识别准确率的一些优化(二)

2021/6/26 9:47:42 人评论

关于提高OCR识别准确率的一些优化(二)前言一、为什么要判断方向?二、paddleocr方向分类器1.方法介绍2、实际效果测试3、文本框检测实际效果4、结果分析5、解决办法6、方向检测测试结果三、paddlex图像分类1.训练2.测试结果分析四、后续优化方…

关于提高OCR识别准确率的一些优化(二)

  • 前言
  • 一、为什么要判断方向?
  • 二、paddleocr方向分类器
    • 1.方法介绍
    • 2、实际效果测试
    • 3、文本框检测实际效果
    • 4、结果分析
    • 5、解决办法
    • 6、方向检测测试结果
  • 三、paddlex图像分类
    • 1.训练
    • 2.测试结果分析
  • 四、后续优化方向
  • 总结


前言

本文基于关于提高OCR识别准确率的一些优化做出了一些改进和尝试,主要分为以下两点:
1、使用paddleocr方向分类器判断文本方向
2、用paddlex训练一个方向分类器判断文本方向


一、为什么要判断方向?

在我们的数据集中,有很多用户上传的图片,但这些图片有些是颠倒过来的,这种图片如果不经过预处理的话,识别效果会很差,比如:识别结果顺序不对、漏识率很高。经过测试发现将图片转正之后,识别效果会好很多。因此,判断方向并矫正是很有必要的

二、paddleocr方向分类器

1.方法介绍

引用paddleocr官方的介绍:
文字角度分类主要用于图片非0度的场景下,在这种场景下需要对图片里检测到的文本行进行一个转正的操作。在PaddleOCR系统内, 文字检测之后得到的文本行图片经过仿射变换之后送入识别模型,此时只需要对文字进行一个0和180度的角度分类,因此PaddleOCR内置的 文字角度分类器只支持了0和180度的分类。如果想支持更多角度,可以自己修改算法进行支持。

0和180度数据样本例子在这里插入图片描述

2、实际效果测试

rotatetion_0-angle0

图1、paddleocr检测为0度,实际0度
在这里插入图片描述

图2、paddleocr检测为180度,实际90度
![在这里插入图片描述](https://img-blog.csdnimg.cn/20210626083646980.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0MTkzOTY5,size_16,color_FFFFFF,t_70#pic_center)
图3、paddleocr检测为180度,实际180度

在这里插入图片描述

图4、paddleocr检测为0度,实际270度

3、文本框检测实际效果

在这里插入图片描述

图5、paddleocr检测为180度,实际90度的检测矩形框

在这里插入图片描述

图6、paddleocr检测为180度,实际180度的检测矩形框

4、结果分析

1、虽然paddle只支持 0度 和 180度 的文本方向检测,但通过观察图5和图6可以发现,虽然两者均被检测为180度,但二者的矩形框是不一样的
2、通过观察图1和图三可以发现,虽然二者的矩形框是一样的,但是paddleocr完全可以检测出二者的方向是不同的
3、结合以上分析结果,我们可以利用矩形框的长宽比来确定文本的方向。

5、解决办法

咱们结合代码来看吧,都在注释里,如下:

def get_real_rotation(rect_list):
    w_div_h_sum = 0
    count = 0
    for rect in rect_list:
        p0 = rect[0]	#p0,p1,p2,p3为矩形框的四个角点坐标
        p1 = rect[1]
        p2 = rect[2]
        p3 = rect[3]
        width = abs(p1[0] - p0[0])
        height = abs(p3[1] - p0[1])
        w_div_h =  width / height	#计算长款比
        if abs(w_div_h - 1.0) < 0.5:	#过滤长宽比差距接近1的矩形框,以免影响检测准确度
            count +=1
            continue
        w_div_h_sum += w_div_h
    if w_div_h_sum / (len(rect_list) - count) >= 1.5:	#长宽比大于1.5的,则paddleocr的检测结果是可信的
        return 1
    else:
        return 0

def get_img_real_angle(img_path):
    ocr = PaddleOCR(use_angle_cls=True)
    angle_cls = ocr.ocr(img_path, det=False, rec=False, cls=True)	#得到paddleocr检测角度
    print(angle_cls)
    rect_list = ocr.ocr(img_path, rec=False)	#得到所有矩形框的角点坐标
    real_angle_flag = get_real_rotation_new(rect_list)

    if angle_cls[0][0] == '0':
        if real_angle_flag:
            ret_angle = 0
        else:
            ret_angle = 270
    if angle_cls[0][0] == '180':
        if real_angle_flag:
            ret_angle = 180
        else:
            ret_angle = 90
    return ret_angle

6、方向检测测试结果

1、跑了几十张图片测试了一下,发现只有60%的准确率,效果不怎么好。
2、可能的原因:

  • 我们的数据比较特殊,需要重新训练paddleocr的方向分类器
  • paddleocr的方向分类器就是不准,跟我们的数据没关系

三、paddlex图像分类

1.训练

1、不得不说说paddlex:能够在一分钟内完成一个图像多分类任务,上手简单
2、于是我马上拿官方例子试了一下,代码如下:

#%%
# 设置使用0号GPU卡(如无GPU,执行此代码后仍然会使用CPU训练模型)
import matplotlib
matplotlib.use('Agg') 
import os
os.environ['CUDA_VISIBLE_DEVICES'] = '0'
import paddlex as pdx
# %%
from paddlex.cls import transforms
train_transforms = transforms.Compose([
    transforms.RandomCrop(crop_size=224),
    transforms.RandomHorizontalFlip(),
    transforms.Normalize()
])
eval_transforms = transforms.Compose([
    transforms.ResizeByShort(short_size=256),
    transforms.CenterCrop(crop_size=224),
    transforms.Normalize()
])
# %%
train_dataset = pdx.datasets.ImageNet(
    data_dir='train_paddlex',
    file_list='train_paddlex/train_list.txt',
    label_list='train_paddlex/labels.txt',
    transforms=train_transforms,
    shuffle=True)
eval_dataset = pdx.datasets.ImageNet(
    data_dir='train_paddlex',
    file_list='train_paddlex/val_list.txt',
    label_list='train_paddlex/labels.txt',
    shuffle=True,
    transforms=eval_transforms)
# %%
num_classes = len(train_dataset.labels)
model = pdx.cls.MobileNetV3_small_ssld(num_classes=num_classes)

#%%
model.train(num_epochs=20,
            train_dataset=train_dataset,
            train_batch_size=32,
            eval_dataset=eval_dataset,
            lr_decay_epochs=[4, 6, 8],
            save_dir='output/mobilenetv3_small_ssld',
            use_vdl=True)
# %%
import paddlex as pdx
model = pdx.load_model('output/mobilenetv3_small_ssld/best_model')
result = model.predict('train_paddlex/0/img_0.PNG')
print("Predict Result: ", result)

3、运行之后。。。。。。。。。。。。。。。。。

报错如下:
在这里插入图片描述
4、于是跑到paddlex交流群询问了一下报错原因,给出的结果是输入的数据路径有问题。
5、经过一番排查,发现路径完全是对的。我的机器是mac,所以我想有没有可能是系统的原因,于是我把代码拿到linux运行。
6、在linux上是完美运行的,于是可以确定是paddlex对mac不太友好,导致报错

2.测试结果分析

1、每个类别使用200条数据训练,训练集准确率为24%
2、每个类别使用2000条数据训练,训练集准确率为40%
3、测试集准确率为10%
可能的原因:
直接使用文本图片训练文本方向分类器是不对的

四、后续优化方向

1、经过一周的各种优化测试,都没有对ocr识别准确率有大的提升,但目前可以确定的是,转正后的图片识别效果是远高于未转正图片的,因此,后期还是会从方向去突破。
2、考虑用自己的数据训练paddleocr

总结

虽然这一周没有提升ocr的识别效果,但明确了提升ocr识别效果的优化方向,踩了一些坑,也算是一些收获吧。

相关资讯

    暂无相关的数据...

共有条评论 网友评论

验证码: 看不清楚?