论文连接：https://arxiv.org/pdf/1911.08947.pdf

github链接：github.com

网络结构

下载代码

pip install Polygon3 -i https://pypi.tuna.tsinghua.edu.cn/simple   pip install addict pip install imgaug 

python tools/train.py --config_file "config/icdar2015_resnet18_FPN_DBhead_polyLR.yaml" 

数据集

任务 4.1:文本本地化 对于文本本地化任务，我们将为每个图像提供单词边界框。 基本事实作为单独的文本文件（每个图像一个）给出，其中每一行指定一个单词边界框的坐标及其以逗号分隔格式的转录（参见图 1）。

以单词边界框的形式提供文本本地化任务。 与挑战 1 和 2 不同的是，边界在挑战 4 它们由四个角的坐标顺时针指定，而不是轴定向。 对于训练集中的每个图像，将根据命名协议单独提供 UTF-8 文本文件：

gt_[image name].txt

文本文件是一个逗号分隔文件，每行将对应图像中的一个单词，并给出边界坐标（四个角，顺时针）及其格式：

x1, y1, x2, y2, x3, y3, x4, y4, transcription

请注意，第八个逗号后面的任何内容都是转录的一部分，不使用转义字符。 在基本事实中，不关心区域以###的转录表示。 要求作者自动定位图像中的文本并返回边界框。 结果必须在每个图像的单独文本文件中提交，每行对应于上述格式的边界框(逗号分隔值)。 包含所有结果文件的单个压缩应提交（zip 或 rar）文件。 如果您的方法不能为图像生成任何结果，您可以包含空的结果文件或根本不包含任何文件。 与挑战 1 和 2 不同的结果将基于单一的评估 Intersection-over-Union 标准，阈值为 50%类似于对象识别和 Pascal VOC 挑战 [1] 标准实践。

下载数据集后可获得四份文件，如下图所示：

将ch4_training_images.zip解压到./datasets\train\img下面。

将ch4_training_localization_transcription_gt.zip解压到./datasets\train\gt下面。

将ch4_test_images.zip解压到./datasets\test\img下面。

将Challenge4_Test_Task1_GT.zip解压到./datasets\test\gt下面。

接下来，作者将对数据集进行预处理Ubuntu处理脚本在系统下generate_lists.sh，所以如果使用的系统是UBuntu，然后执行脚本

bash generate_lists.sh 

如果是Win需要写10个平台python脚本。新建getdata.py,插入代码：

import os def get_images(img_path):     ''' find image files in data path :return: list of files found '''     files = []     exts = ['jpg', 'png', 'jpeg', 'JPG', 'PNG']     for parent, dirnames, filenames in os.walk(img_path):         for filename in filenames:             for ext in exts:                 if filename.enswith(ext):
                    files.append(os.path.join(parent, filename))
                    break
    print('Find {} images'.format(len(files)))
    return sorted(files)

def get_txts(txt_path):
    ''' find gt files in data path :return: list of files found '''
    files = []
    exts = ['txt']
    for parent, dirnames, filenames in os.walk(txt_path):
        for filename in filenames:
            for ext in exts:
                if filename.endswith(ext):
                    files.append(os.path.join(parent, filename))
                    break
    print('Find {} txts'.format(len(files)))
    return sorted(files)

if __name__ == '__main__':
    import json

    img_train_path = './datasets/train/img'
    img_test_path = './datasets/test/img'
    train_files = get_images(img_train_path)
    test_files = get_images(img_test_path)

    txt_train_path = './datasets/train/gt'
    txt_test_path = './datasets/test/gt'
    train_txts = get_txts(txt_train_path)
    test_txts = get_txts(txt_test_path)
    n_train = len(train_files)
    n_test = len(test_files)
    assert len(train_files) == len(train_txts) and len(test_files) == len(test_txts)
    # with open('train.txt', 'w') as f:
    with open('./datasets/train.txt', 'w') as f:
        for i in range(n_train):
            line = train_files[i] + '\t' + train_txts[i] + '\n'
            f.write(line)
    with open('./datasets/test.txt', 'w') as f:
        for i in range(n_test):
            line = test_files[i] + '\t' + test_txts[i] + '\n'
            f.write(line)

逻辑不复杂，分别将train和test的img文件列表和gt文件列表对应起来保存到train.txt和test.txt中。

完成上面数据的处理就可以开始训练了

训练

CUDA_VISIBLE_DEVICES=0 python tools/train.py --config_file "config/icdar2015_resnet18_FPN_DBhead_polyLR.yaml"

测试

def init_args():
    import argparse
    parser = argparse.ArgumentParser(description='DBNet.pytorch')
    parser.add_argument('--model_path', default=r'model_best.pth', type=str)
    parser.add_argument('--input_folder', default='./test/input', type=str, help='img path for predict')
    parser.add_argument('--output_folder', default='./test/output', type=str, help='img path for output')
    parser.add_argument('--thre', default=0.3,type=float, help='the thresh of post_processing')
    parser.add_argument('--polygon', action='store_true', help='output polygon or box')
    parser.add_argument('--show', default=True,action='store_true', help='show result')
    parser.add_argument('--save_resut', default=True, action='store_true', help='save box and score to txt file')
    args = parser.parse_args()
    return args

python tools/predict.py --model_path output/DBNet_resnet18_FPN_DBHead/checkpoint/model_best.pth --input_folder ./input --output_folder ./output --thre 0.7

总结