场景文本识别算法-CPPD¶

1. 算法简介¶

论文信息：

Context Perception Parallel Decoder for Scene Text Recognition Yongkun Du and Zhineng Chen and Caiyan Jia and Xiaoting Yin and Chenxia Li and Yuning Du and Yu-Gang Jiang

CPPD算法简介¶

基于深度学习的场景文本识别模型通常是Encoder-Decoder结构，其中decoder可以分为两种：(1)CTC，(2)Attention-based。目前SOTA模型大多使用Attention-based的decoder，而attention-based可以分为AR和PD两种，一般来说，AR解码器识别精度优于PD，而PD解码速度快于AR，CPPD通过精心设计的CO和CC模块，达到了“AR的精度，PD的速度”的效果。

CPPD在场景文本识别公开数据集上的精度(%)和模型文件如下：

英文训练集和测试集来自于PARSeq。

模型	IC13 857	SVT	IIIT5k 3000	IC15 1811	SVTP	CUTE80	Avg	下载链接
CPPD Tiny	97.1	94.4	96.6	86.6	88.5	90.3	92.25	英文
CPPD Base	98.2	95.5	97.6	87.9	90.0	92.7	93.80	英文
CPPD Base 48*160	97.5	95.5	97.7	87.7	92.4	93.7	94.10	英文

英文合成数据集(MJ+ST)训练，英文Union14M-L benchmark测试结果U14m。

模型	Curve	Multi- Oriented	Artistic	Contextless	Salient	Multi- word	General	Avg	下载链接
CPPD Tiny	52.4	12.3	48.2	54.4	61.5	53.4	61.4	49.10	同上表
CPPD Base	65.5	18.6	56.0	61.9	71.0	57.5	65.8	56.63	同上表
CPPD Base 48*160	71.9	22.1	60.5	67.9	78.3	63.9	67.1	61.69	同上表

Union14M-L 训练集From scratch训练，英文测试结果。

模型	IC13 857	SVT	IIIT5k 3000	IC15 1811	SVTP	CUTE80	Avg	下载链接
CPPD Base 32*128	98.5	97.7	99.2	90.3	94.6	98.3	96.42	Coming soon

模型	Curve	Multi- Oriented	Artistic	Contextless	Salient	Multi- word	General	Avg	下载链接
CPPD Base 32*128	83.0	71.2	75.1	80.9	79.4	82.6	83.7	79.41	Coming soon

加载合成数据集预训练模型，Union14M-L 训练集微调训练，英文测试结果。

模型	IC13 857	SVT	IIIT5k 3000	IC15 1811	SVTP	CUTE80	Avg	下载链接
CPPD Base 32*128	98.7	98.5	99.4	91.7	96.7	99.7	97.44	英文

模型	Curve	Multi- Oriented	Artistic	Contextless	Salient	Multi- word	General	Avg	下载链接
CPPD Base 32*128	87.5	70.7	78.2	82.9	85.5	85.4	84.3	82.08	同上表

中文训练集和测试集来自于Chinese Benckmark。

模型	Scene	Web	Document	Handwriting	Avg	下载链接
CPPD Base	74.4	76.1	98.6	55.3	76.10	中文
CPPD Base + STN	78.4	79.3	98.9	57.6	78.55	中文

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¶

3.1 模型训练¶

数据集准备¶

英文数据集下载

Union14M-L 下载

中文数据集下载

启动训练¶

请参考文本识别训练教程。PaddleOCR对代码进行了模块化，训练CPPD识别模型时需要更换配置文件为CPPD的配置文件。

具体地，在完成数据准备后，便可以启动训练，训练命令如下：

#单卡训练（训练周期长，不建议）
python3 tools/train.py -c configs/rec/rec_svtrnet_cppd_base_en.yml

# 多卡训练，通过--gpus参数指定卡号
python3 -m paddle.distributed.launch --gpus '0,1,2,3'  tools/train.py -c configs/rec/rec_svtrnet_cppd_base_en.yml

3.2 评估¶

可下载CPPD提供的模型文件和配置文件：下载地址，以CPPD-B为例，使用如下命令进行评估：

# 下载包含CPPD-B的模型文件和配置文件的tar压缩包并解压
wget https://paddleocr.bj.bcebos.com/CCPD/rec_svtr_cppd_base_en_train.tar && tar xf rec_svtr_cppd_base_en_train.tar
# 注意将pretrained_model的路径设置为本地路径。
python3 -m paddle.distributed.launch --gpus '0' tools/eval.py -c ./rec_svtr_cppd_base_en_train/rec_svtrnet_cppd_base_en.yml -o Global.pretrained_model=./rec_svtr_cppd_base_en_train/best_model

3.3 预测¶

使用如下命令进行单张图片预测：

# 注意将pretrained_model的路径设置为本地路径。
python3 tools/infer_rec.py -c ./rec_svtr_cppd_base_en_train/rec_svtrnet_cppd_base_en.yml -o Global.infer_img='./doc/imgs_words_en/word_10.png' Global.pretrained_model=./rec_svtr_cppd_base_en_train/best_model
# 预测文件夹下所有图像时，可修改infer_img为文件夹，如 Global.infer_img='./doc/imgs_words_en/'。

4. 推理部署¶

4.1 Python推理¶

首先将训练得到best模型，转换成inference model。下面以基于CPPD-B，在英文数据集训练的模型为例（模型和配置文件下载地址，可以使用如下命令进行转换：

注意：

如果您是在自己的数据集上训练的模型，并且调整了字典文件，请注意修改配置文件中的character_dict_path是否为所正确的字典文件。

执行如下命令进行模型导出和推理：

# 注意将pretrained_model的路径设置为本地路径。
# export model
# en
python3 tools/export_model.py -c configs/rec/rec_svtrnet_cppd_base_en.yml -o Global.pretrained_model=./rec_svtr_cppd_base_en_train/best_model.pdparams Global.save_inference_dir=./rec_svtr_cppd_base_en_infer
# ch
python3 tools/export_model.py -c configs/rec/rec_svtrnet_cppd_base_ch.yml -o Global.pretrained_model=./rec_svtr_cppd_base_ch_train/best_model.pdparams Global.save_inference_dir=./rec_svtr_cppd_base_ch_infer

# speed test
# docker image https://hub.docker.com/r/paddlepaddle/paddle/tags/: sudo docker pull paddlepaddle/paddle:2.4.2-gpu-cuda11.2-cudnn8.2-trt8.0
# install auto_log: pip install https://paddleocr.bj.bcebos.com/libs/auto_log-1.2.0-py3-none-any.whl
# en
python3 tools/infer/predict_rec.py --image_dir='../iiik' --rec_model_dir='./rec_svtr_cppd_base_en_infer/' --rec_algorithm='CPPD' --rec_image_shape='3,32,100' --rec_char_dict_path='./ppocr/utils/ic15_dict.txt' --warmup=True --benchmark=True --rec_batch_num=1 --use_tensorrt=True
# ch
python3 tools/infer/predict_rec.py --image_dir='../iiik' --rec_model_dir='./rec_svtr_cppd_base_ch_infer/' --rec_algorithm='CPPDPadding' --rec_image_shape='3,32,256' --warmup=True --benchmark=True --rec_batch_num=1 --use_tensorrt=True
# stn_ch
python3 tools/infer/predict_rec.py --image_dir='../iiik' --rec_model_dir='./rec_svtr_cppd_base_stn_ch_infer/' --rec_algorithm='CPPD' --rec_image_shape='3,64,256' --warmup=True --benchmark=True --rec_batch_num=1 --use_tensorrt=True

导出成功后，在目录下有三个文件：

/inference/rec_svtr_cppd_base_en_infer/
    ├── inference.pdiparams         # 识别inference模型的参数文件
    ├── inference.pdiparams.info    # 识别inference模型的参数信息，可忽略
    └── inference.pdmodel           # 识别inference模型的program文件

4.2 C++推理部署¶

由于C++预处理后处理还未支持CPPD，所以暂未支持

4.3 Serving服务化部署¶

暂不支持

4.4 更多推理部署¶