## 代码结构 ``` ├── data_reader.py # 下载、读取、处理数据。 ├── crnn_ctc_model.py # 定义了OCR CTC model的网络结构。 ├── attention_model.py # 定义了OCR attention model的网络结构。 ├── train.py # 用于模型的训练。 ├── infer.py # 加载训练好的模型文件，对新数据进行预测。 ├── eval.py # 评估模型在指定数据集上的效果。 └── utils.py # 定义通用的函数。 ``` ## 简介 本章的任务是识别图片中单行英文字符，这里我们分别使用CTC model和attention model两种不同的模型来完成该任务。 这两种模型的有相同的编码部分，首先采用卷积将图片转为特征图, 然后使用`im2sequence op`将特征图转为序列，通过`双向GRU`学习到序列特征。 两种模型的解码部分和使用的损失函数区别如下： - CTC model: 训练过程选用的损失函数为CTC(Connectionist Temporal Classification) loss, 预测阶段采用的是贪婪策略和CTC解码策略。 - Attention model: 训练过程选用的是带注意力机制的解码策略和交叉信息熵损失函数，预测阶段采用的是柱搜索策略。 训练以上两种模型的评估指标为样本级别的错误率。 ## 数据 数据的下载和简单预处理都在`data_reader.py`中实现。 ### 数据示例 我们使用的训练和测试数据如`图1`所示，每张图片包含单行不定长的英文字符串，这些图片都是经过检测算法进行预框选处理的。

图 1

在训练集中，每张图片对应的label是汉字在词典中的索引。 `图1` 对应的label如下所示： ``` 80,84,68,82,83,72,78,77,68,67 ``` 在上边这个label中，`80` 表示字符`Q`的索引，`67` 表示英文字符`D`的索引。 ### 数据准备 **A. 训练集** 我们需要把所有参与训练的图片放入同一个文件夹，暂且记为`train_images`。然后用一个list文件存放每张图片的信息，包括图片大小、图片名称和对应的label，这里暂记该list文件为`train_list`，其格式如下所示： ``` 185 48 00508_0215.jpg 7740,5332,2369,3201,4162 48 48 00197_1893.jpg 6569 338 48 00007_0219.jpg 4590,4788,3015,1994,3402,999,4553 150 48 00107_4517.jpg 5936,3382,1437,3382 ... 157 48 00387_0622.jpg 2397,1707,5919,1278 ``` 文件train_list 上述文件中的每一行表示一张图片，每行被空格分为四列，前两列分别表示图片的宽和高，第三列表示图片的名称，第四列表示该图片对应的sequence label。 最终我们应有以下类似文件结构： ``` |-train_data |- train_list |- train_imags |- 00508_0215.jpg |- 00197_1893.jpg |- 00007_0219.jpg | ... ``` 在训练时，我们通过选项`--train_images` 和 `--train_list` 分别设置准备好的`train_images` 和`train_list`。 >**注：** 如果`--train_images` 和 `--train_list`都未设置或设置为None， reader.py会自动下载使用[示例数据](http://paddle-ocr-data.bj.bcebos.com/data.tar.gz)，并将其缓存到`$HOME/.cache/paddle/dataset/ctc_data/data/` 路径下。 **B. 测试集和评估集** 测试集、评估集的准备方式与训练集相同。 在训练阶段，测试集的路径通过train.py的选项`--test_images` 和 `--test_list` 来设置。 在评估时，评估集的路径通过eval.py的选项`--input_images_dir` 和`--input_images_list` 来设置。 **C. 待预测数据集** 预测支持三种形式的输入： 第一种：设置`--input_images_dir`和`--input_images_list`, 与训练集类似, 只不过list文件中的最后一列可以放任意占位字符或字符串，如下所示： ``` 185 48 00508_0215.jpg s 48 48 00197_1893.jpg s 338 48 00007_0219.jpg s ... ``` 第二种：仅设置`--input_images_list`, 其中list文件中只需放图片的完整路径，如下所示： ``` data/test_images/00000.jpg data/test_images/00001.jpg data/test_images/00003.jpg ``` 第三种：从stdin读入一张图片的path，然后进行一次inference. ## 模型训练与预测 ### 训练 使用默认数据在GPU单卡上训练: ``` env CUDA_VISIBLE_DEVICES=0 python train.py ``` 使用默认数据在CPU上训练: ``` env OMP_NUM_THREADS= python train.py --use_gpu False --parallel=False ``` 使用默认数据在GPU多卡上训练: ``` env CUDA_VISIBLE_DEVICES=0,1,2,3 python train.py --parallel=True ``` 默认使用的是`CTC model`, 可以通过选项`--model="attention"`切换为`attention model`。 执行`python train.py --help`可查看更多使用方式和参数详细说明。 图2为使用默认参数在默认数据集上训练`CTC model`的收敛曲线，其中横坐标轴为训练迭代次数，纵轴为样本级错误率。其中，蓝线为训练集上的样本错误率，红线为测试集上的样本错误率。测试集上最低错误率为22.0%.

图 2

图3为使用默认参数在默认数据集上训练`attention model`的收敛曲线，其中横坐标轴为训练迭代次数，纵轴为样本级错误率。其中，蓝线为训练集上的样本错误率，红线为测试集上的样本错误率。测试集上最低错误率为16.25%.

图 3

## 测试 通过以下命令调用评估脚本用指定数据集对模型进行评估： ``` env CUDA_VISIBLE_DEVICES=0 python eval.py \ --model_path="./models/model_0" \ --input_images_dir="./eval_data/images/" \ --input_images_list="./eval_data/eval_list" ``` 执行`python train.py --help`可查看参数详细说明。 ### 预测 从标准输入读取一张图片的路径，并对齐进行预测： ``` env CUDA_VISIBLE_DEVICES=0 python infer.py \ --model_path="models/model_00044_15000" ``` 执行上述命令进行预测的效果如下： ``` ----------- Configuration Arguments ----------- use_gpu: True input_images_dir: None input_images_list: None model_path: /home/work/models/fluid/ocr_recognition/models/model_00052_15000 ------------------------------------------------ Init model from: ./models/model_00052_15000. Please input the path of image: ./test_images/00001_0060.jpg result: [3298 2371 4233 6514 2378 3298 2363] Please input the path of image: ./test_images/00001_0429.jpg result: [2067 2067 8187 8477 5027 7191 2431 1462] ``` 从文件中批量读取图片路径，并对其进行预测： ``` env CUDA_VISIBLE_DEVICES=0 python infer.py \ --model_path="models/model_00044_15000" \ --input_images_list="data/test.list" ``` ## 预训练模型 |模型| 错误率| |- |:-: | |[ocr_ctc_params](https://paddle-ocr-models.bj.bcebos.com/ocr_ctc.zip) | 22.3% | |[ocr_attention_params](https://paddle-ocr-models.bj.bcebos.com/ocr_attention.zip) | 15.8%| >在本文示例中，均可通过修改`CUDA_VISIBLE_DEVICES`改变当前任务使用的显卡号。