首页
/ OCR_Kor 项目安装与配置指南

OCR_Kor 项目安装与配置指南

2025-04-21 19:58:40作者:劳婵绚Shirley

1. 项目基础介绍

OCR_Kor 是一个基于深度学习的韩文OCR(Optical Character Recognition,光学字符识别)项目。该项目旨在通过训练深度学习模型来识别和转换图像中的韩文字符。项目的主要编程语言是 Python。

2. 关键技术和框架

  • 深度学习框架:使用 PyTorch 作为深度学习框架。
  • 图像处理:采用多种图像处理技术,如文字区域提取、图像变形等,以增强模型的鲁棒性。
  • 模型架构:结合了多种网络架构,如 TPS(Thresholding Parameterization Spatial Transformer Network)、VGG、ResNet 作为特征提取网络,BiLSTM(双向长短时记忆网络)和 Attn(注意力机制)作为序列模型。

3. 安装和配置准备工作

在开始安装之前,请确保您的计算机满足了以下先决条件:

  • Python 3.6 或更高版本
  • PyTorch
  • CUDA(如果您打算使用GPU加速)

详细安装步骤

步骤 1:克隆项目

首先,您需要在本地克隆 GitHub 上的 OCR_Kor 仓库:

git clone https://github.com/parksunwoo/ocr_kor.git
cd ocr_kor

步骤 2:安装依赖

安装项目所需的 Python 包。建议使用虚拟环境来避免与系统中的其他 Python 包冲突:

# 创建虚拟环境(可选)
python3 -m venv venv
source venv/bin/activate  # 在 Windows 下使用 `venv\Scripts\activate`

# 安装依赖
pip install -r requirements.txt

步骤 3:准备数据

项目需要韩文字符图像数据集。如果数据集不存在,您需要自己生成或下载。项目仓库中包含了生成训练数据的示例脚本:

# 生成数据集(根据实际情况修改路径和参数)
python3 data/create_lmdb_dataset.py --inputPath ./data/generator/TextRecognitionDataGenerator/ --gtFile ./data/gt_basic.txt --outputPath ./data/data_lmdb_release/training

步骤 4:训练模型

在准备好数据之后,您可以开始训练模型:

# 训练模型(根据您的硬件配置修改 CUDA_VISIBLE_DEVICES)
CUDA_VISIBLE_DEVICES=0 python3 deep-text-recognition-benchmark/train.py --train_data ./data/data_lmdb_release/training --valid_data ./data/data_lmdb_release/validation --select_data basic-skew --batch_ratio 0.5-0.5 --Transformation TPS --FeatureExtraction VGG --SequenceModeling None --Prediction Attn --data_filtering_off --batch_max_length 50 --workers 4

步骤 5:测试模型

训练完成后,您可以使用以下命令来测试模型的性能:

# 测试模型
CUDA_VISIBLE_DEVICES=0 python3 deep-text-recognition-benchmark/test.py --eval_data ./data/data_lmdb_release/evaluation --benchmark_all_eval --Transformation TPS --FeatureExtraction VGG --SequenceModeling None --Prediction Attn --saved_model ./saved_models/TPS-VGG-None-Attn-Seed1111/best_accuracy.pth --data_filtering_off --workers 4

步骤 6:使用模型进行预测

最后,您可以使用训练好的模型对新的图像进行预测:

# 使用模型进行预测
CUDA_VISIBLE_DEVICES=0 python3 deep-text-recognition-benchmark/demo.py --Transformation TPS --FeatureExtraction VGG --SequenceModeling BiLSTM --Prediction Attn --image_folder ./data/demo_image/ --saved_model ./deep-text-recognition-benchmark/saved_models/TPS-VGG-BiLSTM-Attn-Seed9998/best_accuracy.pth

请根据实际情况调整上述命令中的参数。上述步骤为您提供了一个基本的安装和配置指南,具体细节可能需要根据项目文档和您计算机的配置进行调整。

登录后查看全文
热门项目推荐