OCR_Kor 项目安装与配置指南

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。