EAST¶
1. 算法简介¶
论文信息：
EAST: An Efficient and Accurate Scene Text Detector Xinyu Zhou, Cong Yao, He Wen, Yuzhi Wang, Shuchang Zhou, Weiran He, Jiajun Liang CVPR, 2017
在ICDAR2015文本检测公开数据集上，算法复现效果如下：
| 模型 | 骨干网络 | 配置文件 | precision | recall | Hmean | 下载链接 |
|---|---|---|---|---|---|---|
| EAST | ResNet50_vd | det_r50_vd_east.yml | 88.71% | 81.36% | 84.88% | 训练模型 |
| EAST | MobileNetV3 | det_mv3_east.yml | 78.20% | 79.10% | 78.65% | 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¶
上表中的EAST训练模型使用ICDAR2015文本检测公开数据集训练得到，数据集下载可参考 ocr_datasets。
数据下载完成后，请参考文本检测训练教程进行训练。PaddleOCR对代码进行了模块化，训练不同的检测模型只需要更换配置文件即可。
4. 推理部署¶
4.1 Python推理¶
首先将EAST文本检测训练过程中保存的模型，转换成inference model。以基于Resnet50_vd骨干网络，在ICDAR2015英文数据集训练的模型为例（训练模型)，可以使用如下命令进行转换：
EAST文本检测模型推理，需要设置参数--det_algorithm="EAST"，执行预测：
可视化文本检测结果默认保存到./inference_results文件夹里面，结果文件的名称前缀为det_res。
4.2 C++推理¶
由于后处理暂未使用CPP编写，EAST文本检测模型暂不支持CPP推理。
4.3 Serving服务化部署¶
暂未支持
4.4 更多推理部署¶
暂未支持
5. FAQ¶
引用¶
@inproceedings{zhou2017east,
title={East: an efficient and accurate scene text detector},
author={Zhou, Xinyu and Yao, Cong and Wen, He and Wang, Yuzhi and Zhou, Shuchang and He, Weiran and Liang, Jiajun},
booktitle={Proceedings of the IEEE conference on Computer Vision and Pattern Recognition},
pages={5551--5560},
year={2017}
}