PaddlePaddle 复现 Detecting Text in Natural Image with Connectionist Text Proposal Network
效果：
原论文在3000张图片上训练，而本项目只在icdar2015（1000张）图像上训练，这里提供两个版本，ctpn版实现几乎与原论文没有出入，ctpn_tail几乎没有引人额外开销，算是对icdar2015这样检测单个单词的一个简单优化版。
| method | precision | recall | Hmean |
|---|---|---|---|
| 原论文 | 74.22% | 51.56% | 60.85% |
| ctpn | 55.66% | 40.68% | 47.00% |
| ctpn_tail | 64.48% | 56.91% | 60.46% |
根目录需要建4个文件夹：result, pre_gt, pre_model, model_save 用来放验证时结果图片，验证结果txt文件，预训练模型，训练模型保存
这里用的是aistudio，paddlepaddle-2.1.2 这里提供了三个版本的vgg，一个是我torch转的,也是我训练用的下载地址(提取码:fxw6),下载好了，放在pre_model文件夹，第二个是paddlecls里面的，第三个paddle vision里的，可在models/ctpn.py自己打开注释更换。 这里提供了俩种的bestmodel下载地址(提取码:fxw6)
需要编译下nms和计算iou的函数
cd utils/bbox
sh make.sh
| 参数 | 类型 | 说明 |
|---|---|---|
| optimizer | str | 优化器，建议SGD |
| val_dir | str | 验证集文件夹地址 |
| val_gt_path | str | 验证集gt文件地址 |
| batch_size | int | 训练的batch |
| restore | bool | 中断时是否恢复训练 |
| restore_epoch | int | 从第几个epoch恢复 |
| size_list | list | 本来想多尺度训练，奈何paddle dataload有点不支持，暂时默认 |
| num_worker | int | dataload worker 数 |
| lr | int | 学习率 |
| step_size | int | 学习率多少epoch调整1次 |
| gamma | float | 调整学习率的尺度 |
| train_epochs | int | 训练多少个epoch |
| start_val | int | 从多少个epoch开始做验证 |
| show_step | int | 多少次step显示一次loss |
| epoch_save | int | 多少epoch保存一次模型 |
| checkpoint | str | 模型保存的地址 |
设置训练图片的路径，在这里20-22行位置
python3 train.py --batch_size 8 --lr 0.08 --val_dir /src/icdar2015/test_img --val_gt_path /src/icdar2015/test_gt
设置训练图片的路径，在这里20-22行位置
python3 train_tail.py --batch_size 8 --lr 0.08 --val_dir /src/icdar2015/test_img --val_gt_path /src/icdar2015/test_gt
假设保存了一个模型是ctpn_12.pdparams
python3 train.py --batch_size 8 --lr 0.08 --val_dir /src/icdar2015/test_img --val_gt_path /src/icdar2015/test_gt --restore True --restore_epoch 12
python3 train_tail.py --batch_size 8 --lr 0.08 --val_dir /src/icdar2015/test_img --val_gt_path /src/icdar2015/test_gt --restore True --restore_epoch 12
进文件设置好路径后，运行：
python3 inference.py
python3 inference_tail.py