TianRang-OCR致力于打造一个实用的OCR工具库,集成常见的OCR算法,通过模块化的设计、高灵活性、高拓展性,提升实验效率、生产效率。
镜像版本 | 说明 |
---|---|
harbor.tianrang.com/traffic/lpr:1.0 | 初次基础镜像 |
docker build --no-cache -t harbor.tianrang.com/traffic/lpr:1.0 .
-
导出模型:
python -c "python -c "from utils.utils import export_model; export_model('output/shufflenet05_rec/checkpoint/model_best.pth', 'weights/rec_shufflenet.pth')"
使用此仓库在在CCPD上进行训练,得到车牌检测模型(2M)和车牌识别模型(7M),可以尝试部署在移动端,由于CCPD上只有蓝牌,并且皖牌占大多数,所以目前模型存在以下问题:
- 仅支持蓝牌,其他车牌如:黄牌、新能源车牌、白牌效果较差
- 不支持双行车牌
- 对部分省份的车牌效果较差
- 识别模型可以进一步压缩
- 建议使用CPU进行部署,在[email protected]大概5FPS。
- 输入图片仅为为车辆区域时,设置short_size为416
- 输入图片为完整的图片时,设置short_size为736或者1024,耗时会显著提升
- 若输入图片小于416是,设置short_size为300
参数参考flask部署文档
python app_demo.py --port 8484 --rec_model_path weights/rec_res18.pth
- 2020.6.24,添加dockerfile;添加requirments.txt;修复部署时会下载ImageNet预训练模型的问题。
- 2020.6.23初次提交:支持DBNet作为检测模型;多种backbone的CTCHead的识别模型。
- more
- 支持glouncv Resnet
- mobilenetv3支持检测模型(目前仅支持识别)
- Attention
- PSENet
- EAST
- YOLO
- LMDB:文字识别训练,现在效率太低
- CTW1500
- 识别训练过程tensorboard
- 多卡训练识别模型
- 更多开源数据集的训练结果
- API文档
- Dockerfile
- requirements.txt
- 文档!文档!文档!!!!