SATRN¶
1. 算法简介¶
论文信息：
On Recognizing Texts of Arbitrary Shapes with 2D Self-Attention Junyeop Lee, Sungrae Park, Jeonghun Baek, Seong Joon Oh, Seonghyeon Kim, Hwalsuk Lee CVPR, 2020 参考DTRB 文字识别训练和评估流程，使用MJSynth和SynthText两个文字识别数据集训练，在IIIT, SVT, IC03, IC13, IC15, SVTP, CUTE数据集上进行评估，算法效果如下：
| 模型 | 骨干网络 | Avg Accuracy | 配置文件 | 下载链接 |
|---|---|---|---|---|
| SATRN | ShallowCNN | 88.05% | configs/rec/rec_satrn.yml | 训练模型 |
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¶
请参考文本识别训练教程。PaddleOCR对代码进行了模块化，训练不同的识别模型只需要更换配置文件即可。
训练¶
在完成数据准备后，便可以启动训练，训练命令如下：
评估¶
预测¶
4. 推理部署¶
4.1 Python推理¶
首先将SATRN文本识别训练过程中保存的模型，转换成inference model。（ 模型下载地址 )，可以使用如下命令进行转换：
SATRN文本识别模型推理，可以执行如下命令：
4.2 C++推理¶
由于C++预处理后处理还未支持SATRN，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¶
暂不支持
5. FAQ¶
引用¶
@article{lee2019recognizing,
title={On Recognizing Texts of Arbitrary Shapes with 2D Self-Attention},
author={Junyeop Lee and Sungrae Park and Jeonghun Baek and Seong Joon Oh and Seonghyeon Kim and Hwalsuk Lee},
year={2019},
eprint={1910.04396},
archivePrefix={arXiv},
primaryClass={cs.CV}
}