From a80e84275977d7a9c99564ee43fc5e952d5b46d4 Mon Sep 17 00:00:00 2001 From: anan505 <1204828624@qq.com> Date: Thu, 12 Dec 2024 08:45:39 +0000 Subject: [PATCH] update mxVision/OpticalCharacterRecognition/README.md. Signed-off-by: anan505 <1204828624@qq.com> --- .../OpticalCharacterRecognition/README.md | 23 +++++++++---------- 1 file changed, 11 insertions(+), 12 deletions(-) diff --git a/mxVision/OpticalCharacterRecognition/README.md b/mxVision/OpticalCharacterRecognition/README.md index 30a1e1c70..93269b322 100644 --- a/mxVision/OpticalCharacterRecognition/README.md +++ b/mxVision/OpticalCharacterRecognition/README.md @@ -135,7 +135,7 @@ ATC run success, welcome to the next use. **步骤4：** CRNN模型文件放置 -在`OpticalCharacterRecognition/src/data/models/crnn`下应该可以看到5个`.om`模型文件，在该目录下执行以下命令将`.om`模型文件都移动到新建目录`OpticalCharacterRecognition/src/data/models/crnn/static`目录下： +在`OpticalCharacterRecognition/src/data/models/crnn`下可以看到5个`.om`模型文件，在该目录下执行以下命令将`.om`模型文件都移动到新建目录`OpticalCharacterRecognition/src/data/models/crnn/static`目录下： ```bash mkdir static mv crnn_dynamic_dims_16_bs1.om ./static @@ -196,8 +196,8 @@ rm -r train_full_images_1 **步骤3：** 标签格式转换 label标注文件格式转换为ICDAR2015格式, 执行的转换脚本为`OpticalCharacterRecognition/src/Common/LabelTrans/label_trans.py`。 -`--label_json_path`为上述“4 编译与运行”步骤1.2所下载的`train_full_labels.json`文件所在路径； -`--output_path`为上述“4 编译与运行”步骤1.2所创建的数据集目录`icdar2019`所在路径。 +参数`label_json_path`为上述“4 编译与运行”步骤1.2所下载的`train_full_labels.json`文件所在路径； +参数`output_path`为上述“4 编译与运行”步骤1.2所创建的数据集目录`icdar2019`所在路径。 执行命令： ```bash @@ -226,7 +226,7 @@ python3 ./label_trans.py --label_json_path=/PATH/TO/train_full_labels.json --out **步骤6：** 准备输入图片 -需要使用的输入图片必须为JPEG格式，图片名格式为前缀+下划线+数字的形式，如`xxx_xx.jpg`。 +需要使用的输入图片必须为JPEG格式，图片名格式严格按照前缀+下划线+数字的形式，如`xxx_xx.jpg`。 将需要输入的图片放在目录`/PATH/TO/icdar2019/images/`下。（上述“4 编译与运行”步骤1.2所创建的数据集目录`icdar2019/images/`） @@ -234,19 +234,19 @@ python3 ./label_trans.py --label_json_path=/PATH/TO/train_full_labels.json --out 在目录`OpticalCharacterRecognition/src/`下执行如下命令，启动程序： -注意：`-image_path`为上述“4 编译与运行”步骤1.2所创建的数据集目录`icdar2019/images/`所在路径。 +注意：参数`image_path`为上述“4 编译与运行”步骤1.2所创建的数据集目录`icdar2019/images/`所在路径。 ```bash ./dist/main -image_path /PATH/TO/icdar2019/images/ -thread_num 1 -direction_classification false -config ./data/config/setup.config ``` 运行可使用的参数说明： -| 选项 | 意义 | +| 参数名称 | 意义 | | --- | --- | -| -image_path | 输入图片所在的文件夹路径。 | -| -thread_num | 运行程序的线程数，取值范围1-4，请根据环境内存设置合适值。 | -| -direction_classification | 是否在检测模型之后使用方向分类模型。 | -| -config | 配置文件setup.config的完整路径。 | +| image_path | 输入图片所在的文件夹路径。 | +| thread_num | 运行程序的线程数，取值范围1-4，请根据环境内存设置合适值。 | +| direction_classification | 是否在检测模型之后使用方向分类模型。True为开启使用，False为不使用。 | +| config | 配置文件setup.config的完整路径。 | **步骤8：** 查看结果 @@ -287,7 +287,7 @@ python3 ./label_trans.py --label_json_path=/PATH/TO/train_full_labels.json --out 在目录`OpticalCharacterRecognition/src/Common/EvalScript`下执行： -注意：`--gt_path`为上述“4 编译与运行”步骤1.2所创建的数据集目录`icdar2019/labels`所在路径；`--pred_path`为上述“4 编译与运行”步骤8结果存放位置所在路径。 +注意：参数`gt_path`为上述“4 编译与运行”步骤1.2所创建的数据集目录`icdar2019/labels`所在路径；参数`pred_path`为上述“4 编译与运行”步骤8结果存放位置所在路径。 ```bash python3 eval_script.py --gt_path=/PATH/TO/icdar2019/labels --pred_path=/PATH/TO/result @@ -298,7 +298,6 @@ python3 eval_script.py --gt_path=/PATH/TO/icdar2019/labels --pred_path=/PATH/TO/ | --- | --- | | --gt_path | 测试数据集标注文件路径。 | | --pred_path | Ocr Demo运行的推理结果存放路径。 | -| --parallel_num | 并行数。 | **步骤4：** 查看精度结果 -- Gitee