文本检测：advanceeast训练自己的数据集

最近要做一个ocr识别的项目，首先需要做文本检测，最后使用advanceast算法训练自己的数据集，得到较好的检测效果，最终检测效果如下（检测图片中的船名）：

感谢大佬开源代码和训练方式：https://github.com/huoyijie/AdvancedEAST

环境：ubuntu16.04,tf-gpu1.14,keras2.3.1

一：advanceeast训练时，将标记后的xml文件转成模型使用的txt文件。（xml_txt.py）

#将标记后的xml文件转为advanceeast训练的格式 import os import xml.etree.ElementTree as ET import shutil import glob import time path="/home/workstation/AdvancedEAST/icpr/ship_xml" file=os.listdir(path) file=glob.glob(path+"/*.xml") n=0 for filename in file: #start=time.time() first=os.path.splitext(filename)[0] last=os.path.splitext(filename)[1] if last==".xml": #print(first,last) next=first.split("/") name=next[-1]+".xml" n=n+1 print("正在处理第{}个xml文件,名称为{}".format(n,name)) filetxt=first+".txt" f=open(filetxt,'w') aa=[] tree=ET.parse(filename) root=tree.getroot() for tt in root.iter("object"): lefttopx=tt.find("bndbox")[0].text lefttopy=tt.find("bndbox")[1].text righttopx=tt.find("bndbox")[2].text righttopy = tt.find("bndbox")[1].text rightdownx = tt.find("bndbox")[2].text rightdowny = tt.find("bndbox")[3].text leftdownx = tt.find("bndbox")[0].text leftdowny = tt.find("bndbox")[3].text tb=tt.find("name").text aa=list([lefttopx,lefttopy,righttopx,righttopy,rightdownx,rightdowny,leftdownx,leftdowny,tb]) bb=",".join(aa) f.writelines(bb) f.writelines("\n") else: continue

二：文件夹中有各种图片和xml文件，其中，含有标记过的图片和对应的xml文件，和没标记的图片。将文件夹中标记过的图片提取出来。（extract.py）

#提取文件夹中标记过的图片 import os import shutil path="/home/terryn/deep_learning/ocr/AdvancedEAST/icpr/GaoGang201706" topath="/home/terryn/deep_learning/ocr/AdvancedEAST/icpr/ship_img" filelist=os.listdir(path) aa=[] for file in filelist: first=os.path.splitext(file)[0] last=os.path.splitext(file)[1] if last==".xml": aa.append(first) n=0 for file in filelist: first=os.path.splitext(file)[0] last=os.path.splitext(file)[1] if first in aa and last==".jpg": tpath=os.path.join(path,file) shutil.move(tpath,topath) print("正在处理第{}张图片".format(n)) n=n+1 #print(tpath)

三：判断图片文件夹里的图片名称和txt文件夹下的txt文件名称是否一一对应。（difference.py）

import os path1="/home/terryn/deep_learning/ocr/AdvancedEAST/icpr/ship_img" path2="/home/terryn/deep_learning/ocr/AdvancedEAST/icpr/ship_txt" list1=[] list2=[] aa=[] bb=[] file1=os.listdir(path1) file2=os.listdir(path2) for filename1 in file1: first,last=os.path.splitext(filename1) list1.append(first) for filename2 in file2: first,last=os.path.splitext(filename2) list2.append(first) for _ in list2: if _ not in list1: aa.append(_) for _ in list1: if _ not in list2: bb.append(_) print(bb) print(len(aa)) print(len(bb))

四：训练步骤：

根据训练集的图片尺寸，选择图片的训练尺寸范围，在cfg.py的19,20行。假设多尺度训练范围为[256,384,512,640,736]。该模型训练不是一步完成，而是按尺度由小到大完成，首先训练256尺度时，由于是第一次训练，cfg.load_weight设为false，在advanced_east.py的第21，22行不加载之前的模型，选择保存模型到model/下，保存所有模型，选择一个val_loss最小的模型，作为下一个尺度384模型的预训练模型，复制到saved_model下，并改名为east_model_weight_3T384.h5，同时，让训练时加载到，设置cfg.load_weight=True,以此类推，继续训练。

五：移动文件夹下的指定图片或文件

如将image_xml文件夹下以.jpg结尾的文件移动到ship_img文件夹下:

find image_xml -name '*.jpg' -exec mv {} ship_img \;