【任务认领】第一阶段复现paddleocr

[wenmuzhou]

【任务认领】第一阶段复现paddleocr

[WenmuZhou]

@WenmuZhou db 和db head

[Jinreejing]

基础训练代码 @novioleo

[novioleo]

基础训练代码 @novioleo

@Jinreejing 第一期利用paddle ocr预训练的模型的数据，然后目前是对mbv3的crnn和res34的crnn进行训练的代码编写。训练用数据集可以用icdar2013和icdar2015也可以用其他数据集。conv部分的lr和wd要小一点，lstm的部分可以是正常的。

[PKQ1688]

实现fpn @novioleo

[ZenFSheng]

想试试dataloader🙏 @novioleo

[novioleo]

实现fpn @novioleo

@WenmuZhou 麻烦给他明确下具体任务，主要的输入输出，方便上下游联调测试

[novioleo]

想试试dataloader🙏 @novioleo

@ZenFSheng 麻烦实现两个dataloader（其实本质是dataset+dataloader），分别用于det和rec，可以优先实现rec的部分，能够加载常见的IIIT, SVT, IC03, IC13, IC15, SVTP, CUTE等相关数据集格式，可以先适配ic13，后期进行增加。

[WenmuZhou]

实现fpn @novioleo

@WenmuZhou 麻烦给他明确下具体任务，主要的输入输出，方便上下游联调测试

fpn的输入应为一个list[stage1(B,C1,H//4,W//4),stage2(B,C2,H//8,W//8),stage3(B,C3,H//16,W//16),stage4(B,C4,H//32,W//32)], 其输出应为shape为(B,C,H//4,W//4)的tensor，先实现这一通用的FPN，后面其他诡异的融合情况再另行添加

[WenmuZhou]

想试试dataloader🙏 @novioleo

@ZenFSheng 麻烦实现两个dataloader（其实本质是dataset+dataloader），分别用于det和rec，可以优先实现rec的部分，能够加载常见的IIIT, SVT, IC03, IC13, IC15, SVTP, CUTE等相关数据集格式，可以先适配ic13，后期进行增加。

rec的dataset可以采用TextLineDataset(即用文本文件记载图片路径和label的形式)+转换工具这种形式
det的dataset考虑的比较多：1. 各种算法预处理的不同；2. 数据集格式的适配或转换工具

[WenmuZhou]

@novioleo 我觉得我们可以先定下配置系统并提供一个example，这样后面比较清晰

[ofexe]

推荐先设计大概的框架，做一些约定，这样整合的话比较方便

[novioleo]

推荐先设计大概的框架，做一些约定，这样整合的话比较方便

@ofexe 感谢提醒。最近会有相关代码提交上来。届时会出相关的框架性代码，大家可以再进行开发。

[novioleo]

@novioleo 我觉得我们可以先定下配置系统并提供一个example，这样后面比较清晰

@WenmuZhou 好的。我个人建议我们可以先把基于mbv3的一整套的方案串通，这样再po出来，大家可以运行起来，这样就方便了。

[afterimagex]

我想认领demo的实现

[novioleo]

我想认领demo的实现

@afterimagex 主要是为了实现一个类似于chineseocr那种网页，然后能够进行可视化的模型结果的展示以及试用。

[afterimagex]

我想认领demo的实现

@afterimagex 主要是为了实现一个类似于chineseocr那种网页，然后能够进行可视化的模型结果的展示以及试用。

没问题

[lgcy]

大佬有计划实现EAST吗，自己实现了一下，性能比paddle的差太多了。很期待大佬的实现

[novioleo]

大佬有计划实现EAST吗，自己实现了一下，性能比paddle的差太多了。很期待大佬的实现

@lgcy 你好，欢迎你pr，我们可以帮你优化性能相关，你看如何？

[lgcy]

pr

你好，真的非常感谢大佬可以帮忙优化性能。只是我的代码是按照自己的流程走的，你们这个模块化很清晰，要融进去感觉比较麻烦。我应该怎么弄呢

[novioleo]

你好，真的非常感谢大佬可以帮忙优化性能。只是我的代码是按照自己的流程走的，你们这个模块化很清晰，要融进去感觉比较麻烦。我应该怎么弄呢

@lgcy 首先，选择对应的backbone，在torchocr.network.backbones中选择你需要的Det的backbone，目前只适配了res和mb。然后neck层就是east中对backbone的fm进行进一步处理的部分，head层就是east的回归值的地方。你可以一步一步走一下～fork之后开一个新的branch试试我说的，然后有问题可以at我，然后我帮你看下。你看如何？

[lgcy]

你好，真的非常感谢大佬可以帮忙优化性能。只是我的代码是按照自己的流程走的，你们这个模块化很清晰，要融进去感觉比较麻烦。我应该怎么弄呢

@lgcy 首先，选择对应的backbone，在torchocr.network.backbones中选择你需要的Det的backbone，目前只适配了res和mb。然后neck层就是east中对backbone的fm进行进一步处理的部分，head层就是east的回归值的地方。你可以一步一步走一下～fork之后开一个新的branch试试我说的，然后有问题可以at我，然后我帮你看下。你看如何？

好的，我试试