wt_ocr_and_docker/doc/doc_ch/algorithm_det_fcenet.md

FCENet

• 1. 算法简介
• 2. 环境配置
• 3. 模型训练、评估、预测
• 4. 推理部署
  • 4.1 Python推理
  • 4.2 C++推理
  • 4.3 Serving服务化部署
  • 4.4 更多推理部署
• 5. FAQ
• 引用

1. 算法简介

论文信息：

Fourier Contour Embedding for Arbitrary-Shaped Text Detection Yiqin Zhu and Jianyong Chen and Lingyu Liang and Zhanghui Kuang and Lianwen Jin and Wayne Zhang CVPR, 2021

在CTW1500文本检测公开数据集上，算法复现效果如下：

模型	骨干网络	配置文件	precision	recall	Hmean	下载链接
FCE	ResNet50_dcn	configs/det/det_r50_vd_dcn_fce_ctw.yml	88.39%	82.18%	85.27%	训练模型

2. 环境配置

请先参考《运行环境准备》配置PaddleOCR运行环境，参考《项目克隆》克隆项目代码。

3. 模型训练、评估、预测

上述FCE模型使用CTW1500文本检测公开数据集训练得到，数据集下载可参考 ocr_datasets。

数据下载完成后，请参考文本检测训练教程进行训练。PaddleOCR对代码进行了模块化，训练不同的检测模型只需要更换配置文件即可。

4. 推理部署

4.1 Python推理

首先将FCE文本检测训练过程中保存的模型，转换成inference model。以基于Resnet50_vd_dcn骨干网络，在CTW1500英文数据集训练的模型为例（ 模型下载地址 )，可以使用如下命令进行转换：

python3 tools/export_model.py -c configs/det/det_r50_vd_dcn_fce_ctw.yml -o Global.pretrained_model=./det_r50_dcn_fce_ctw_v2.0_train/best_accuracy  Global.save_inference_dir=./inference/det_fce

FCE文本检测模型推理，执行非弯曲文本检测，可以执行如下命令：

python3 tools/infer/predict_det.py --image_dir="./doc/imgs_en/img_10.jpg" --det_model_dir="./inference/det_fce/" --det_algorithm="FCE" --det_fce_box_type=quad

可视化文本检测结果默认保存到./inference_results文件夹里面，结果文件的名称前缀为'det_res'。结果示例如下：

如果想执行弯曲文本检测，可以执行如下命令：

python3 tools/infer/predict_det.py --image_dir="./doc/imgs_en/img623.jpg" --det_model_dir="./inference/det_fce/" --det_algorithm="FCE" --det_fce_box_type=poly

可视化文本检测结果默认保存到./inference_results文件夹里面，结果文件的名称前缀为'det_res'。结果示例如下：

注意：由于CTW1500数据集只有1000张训练图像，且主要针对英文场景，所以上述模型对中文文本图像检测效果会比较差。

4.2 C++推理

由于后处理暂未使用CPP编写，FCE文本检测模型暂不支持CPP推理。

4.3 Serving服务化部署

暂未支持

4.4 更多推理部署

暂未支持

5. FAQ

引用

@InProceedings{zhu2021fourier,
  title={Fourier Contour Embedding for Arbitrary-Shaped Text Detection},
  author={Yiqin Zhu and Jianyong Chen and Lingyu Liang and Zhanghui Kuang and Lianwen Jin and Wayne Zhang},
  year={2021},
  booktitle = {CVPR}
}