SPIN: Structure-Preserving Inner Offset Network for Scene Text Recognition¶
1. 算法简介¶
论文信息:
SPIN: Structure-Preserving Inner Offset Network for Scene Text Recognition Chengwei Zhang, Yunlu Xu, Zhanzhan Cheng, Shiliang Pu, Yi Niu, Fei Wu, Futai Zou AAAI, 2020
SPIN收录于AAAI2020。主要用于OCR识别任务。在任意形状文本识别中,矫正网络是一种较为常见的前置处理模块,但诸如RARE\ASTER\ESIR等只考虑了空间变换,并没有考虑色度变换。本文提出了一种结构Structure-Preserving Inner Offset Network (SPIN),可以在色彩空间上进行变换。该模块是可微分的,可以加入到任意识别器中。 使用MJSynth和SynthText两个合成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,算法复现效果如下:
模型 | 骨干网络 | 配置文件 | Acc | 下载链接 |
---|---|---|---|---|
SPIN | ResNet32 | rec_r32_gaspin_bilstm_att.yml | 90.00% | 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¶
具体地,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SPIN文本识别训练过程中保存的模型,转换成inference model。可以使用如下命令进行转换:
SPIN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SPIN,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{2020SPIN,
title={SPIN: Structure-Preserving Inner Offset Network for Scene Text Recognition},
author={Chengwei Zhang and Yunlu Xu and Zhanzhan Cheng and Shiliang Pu and Yi Niu and Fei Wu and Futai Zou},
journal={AAAI2020},
year={2020},
}