文章目录一、前言二、英文模型输出文本错误三、图片宽度过长导致识别失败 一、前言在使用 PaddleOCR 项目中预设置的安卓程序时, 出现了两个问题.这里对两个问题进行一些初步分析并给出自己的猜测和之后将会进行的解决方案.二、英文模型输出文本错误一个是使用英文模型识别时会出现类似于 xxxxxxxx 这样的符号, 但是其识别率还是能够保证在 80% 左右.例如对如下图片进行识别手机端运行效果如下
paddleOCR踩坑记训练莫名终止或者评估莫名终止训练和评估的效果都特别好，预测的效果却特别差使用gen_label.py报错将paddleOCR转成pytorch框架 训练莫名终止或者评估莫名终止这是因为在tools/program.py文件里有一句逻辑关系语言出错了，需要进行如下修改。if idx >= len(train_dataloader):
break
#把上面这句话修改成
准备数据集 自己新建目录 下载识别预训练模型 下载之后是一个压缩包，解压后（注意：rec是自己新建的目录） 修改配置文件 修改内容： 1.训练后模型存储目录； 2.是否训练可视化； 3.训练数据集图片和标注位置； 4.测试数据集图片和标注位置； 5.其他参数如等可以在训练时在命令行中指定，更多配置文档内容参见官网资料。# 训练后模型存储目录
Global:
debug: false
use
转载
2024-01-05 20:13:14
296阅读
OpenAI近日宣布，允许用户创建自定义版的GPT-3。而且步骤非常简单，只需一行命令就能实现！经过微调（fine-tuned），定制版的GPT-3在不同应用中的提升非常明显。OpenAI表示，它可以让不同应用的准确度能直接从83%提升到95%、错误率可降低50%。解小学数学题目的正确率也能提高2-4倍。这样一来，踩在巨人的肩膀上、直接在1750亿参数的大模型上微调，不少研发人员都可以不用再重头训
1、环境的安装和开源项目的下载 首先我个人建议，玩深度学习的话，不管是工作还是学习，最起码要配一个有GPU的电脑。我个人有着血淋淋的教训，我本人是电气工程的一名学生，本科期间一点深度学习和机器学习的基础都没有，读研的时候就带着自己大一的时候买的笔记本电脑（没有GPU）去了读研的学校。我的实验室是大家带上自
这一部分主要介绍，如何使用自己的数据库去训练PaddleOCR的文本检测模型。一、准备训练数据首先你需要有自己的数据，如果没有自己的数据，推荐使用ICDAR2015的数据库，上网搜即可找到，内含1000个训练样本和500个测试样本，包括图片与标准数据（txt格式）。不过因为我不是用PPOCRLabel进行的标注，而是采用了另一种更麻烦的方法进行标注，所以这里就不班门弄斧了，如果使用PPOCRLab
转载
2023-10-16 17:55:51
593阅读
PaddleDetection以模块化的设计实现了多种主流目标检测算法，并且提供了丰富的数据增强、网络组件、损失函数等模块，集成了模型压缩和跨平台高性能部署能力。本文通过增强版yolov3网络架构为例训练自己的数据。一、环境准备：1.python=3.6
2.paddlepaddle=1.8.0
官网安装教程(https://paddlepaddle.org.cn/install/quick
paddledetection上自带yolox模型文件，修改一些设计即可训练。安装paddledetection 数据集准备训练yolox模型需要的数据集格式为coco的格式。在paddledetection文件夹下的dataset下的coco文件夹中放好自己的数据集。如果你的数据集是其他格式，例如VOC，tools文件夹下也提供了相应的转换代码。python tools/x2coco.
目录简介1 预处理流程初探2 算子处理过程2.1 DecodeImage2.2 DetResizeForTest2.2.1 构造方法2.2.2 调用方法2.3 NormalizeImage2.4 ToCHWImage2.5 KeepKeys3 预处理结果4 实际部署时的预处理5 总结 简介导出ONNX格式的模型后，在部署模型时，需要对模型的输入进行预处理，转换成符合模型输入维度的张量；模型输出张
转载
2023-12-27 18:19:35
267阅读
第一次写文章，主要是遇见的坑太多，怕以后记不住 配置：ubuntu18.0 cuda11.2 cudnn8.1 paddle2.2-gpu 然后下载OCR：https://github.com/PaddlePaddle/PaddleOCR 数据集制作参考：【1】这里遇到了第一个bug，是读不出来汉字，原因是编码解码的问题 加一个编码格式就好了with open("F:/10w/special.tx
手写OCR识别一：官方支持的数据格式？1.官方文档1.1 PaddleOCR 支持两种数据格式:1.2 训练数据的默认存储路径1.3 自定义数据集的准备1.3.1 通用数据集1.3.2 lmdb数据集1.3.2.1 lmdb基本函数：1.3.2.2 创建一个 lmdb 环境：1.3.2.3 修改数据库内容：1.3.2.4 查询数据库内容：1.3.2.5 完整的demo如下：1.3.2.6 将图片
目录简介模型训练步骤一：文本检测模型(`detection`)1.准备训练数据集2.下载预训练模型模型介绍下载预训练模型3. 开始训练断点训练4.模型评估5.模型测试6.训练模型转inference模型步骤二：文本识别模型(`recognition`)1.准备训练数据集数据下载数据集划分2.下载预训练模型模型介绍下载预训练模型3.开始训练4.评估5.测试6.训练模型转inference模型步骤三
转载
2023-09-23 09:59:04
637阅读
作者的github链接：https://github.com/whai362/PSENet Requirements Python 2.7 PyTorch v0.4.1+ pyclipper Polygon2 OpenCV 3.4 (for c++ version pse) opencv-python 3.4 首先是需要安装这些依赖，因为我们自己电脑上面已经安装了各种版本的opencv，pytho
前面我的两篇博客分别介绍了语义分割FCN及SegNet的算法重点知识及代码实现，最近在github上又fork了一个好资源https://github.com/divamgupta/image-segmentation-keras，这里分享一下。该资源实现了FCN，UNet, SegNet, PSPNet网络，本篇以SegNet为例来说明下如何使用其来训练和预测自己的数据集。值得一提的是，该资源是
一直就像学一学深度学习，今年刚好趁着疫情的原因，有了大把时间可以好好研究研究。刚开始我还花了一笔大洋报了一个培训班，之后竟然在公众号上看到百度飞桨PaddlePaddle免费七日训练营的报名推送。抱着有羊毛不薅白不薅的心态，果断报了名。训练营时间是3.3-3.9，今天正好结束，那就把最近学的总结一下。 #学到了啥 其实七天的时间太短了，真要想把深度学习、PaddlePaddle框架完全掌握，真的是
转载
2023-12-11 15:18:46
66阅读
训练过程主要参考项目中的examples/extract_diving48_skeleton/diving48_example.ipynb但是我一开始不知道这个文件，从网上查不到太多的资料，走了不少弯路，这里就把我训练的过程分享一下。1.准备自己的数据集这里使用的是Weizmann数据集，一个有10个分类，每个类别差不多有10个视频。分成训练集和测试集，目录如下，最好让视频名称按照 ‘视频名_类别
数据准备先将自己的数据转成VOC数据集类似的数据，图片为jpg格式，标签为xml格式。在Faster RCNN目录下的data文件夹下建立VOCdevkit2007文件夹，再在此文件夹下建立VOC2007文件夹，再在VOC2007文件夹下建立Annotations，ImageSets ， JPEGImages三个文件夹，Annotations文件夹下存放xml文件，ImageSets文件夹下建立M
语义搜索 背景：互联网从仅包含网页和网页之间超链接的文档万维网转变成包含大量描述各种实体与实体之间丰富关系的语义万维网。以谷歌为代表的各大搜索引擎公司通过构建知识图谱来改善搜索质量，从而开启了语义搜索之路。 文档检索与语义检索的不同：语义搜索是需要处理更细粒度的结构化语义数据。 &
## PaddleNLP 持续训练
在自然语言处理领域，持续训练是一种重要的技术，可以帮助模型不断适应新数据，不断提升性能。PaddleNLP是一个基于PaddlePaddle深度学习框架的自然语言处理工具库，提供了丰富的预训练模型和方便易用的API，可以帮助我们更快速地进行模型训练和部署。
### 持续训练的优势
传统的训练方式是将所有数据一次性加载到模型中进行训练，但是这种方式不能很好地
前不久在实验室接手一个项目，与甲方几经周旋后给了一个接口，核心部分是yolo3的文字检测与cnocr的文本识别。在文本识别中，由于给的预训练的模型的训练数据集与项目应用的数据分布差距较大（最明显的是识别字符的范围不同），可能需要对模型重新训练。为应对甲方朋友的一时兴起，特意花了一个下午搞清楚如何重新训练。特撰写此博客以作记录。一、重训练cnocr的理由"""
识别范围不同，cnocr提供的模型只能
