首页 > 其他分享> 文章详细

CTPN CRNN-Pytorch 银行卡号识别

2019-06-14 18:52:37 阅读：515 来源： 互联网

标签：gcc py CRNN Pytorch train crnn test lmdb CTPN

通过利用keras以及一些自定义函数进行数据增强, CTPN进行文字定位，CRNN进行文字识别以及Flask Web实现银行卡号码识别
Github地址

由于我并不是机器学习方向，完成此项目只是学校课程需要
所以文章可能只是如何开始并完成这个项目，至于深层次的原理，推荐两篇中文博文

【OCR技术系列之五】自然场景文本检测技术综述（CTPN, SegLink, EAST）
【OCR技术系列之七】端到端不定长文字识别CRNN算法详解

构建基础运行环境

硬件设备以及部分驱动和依赖如下：
Ubuntu18.04 + CUDA 8.0.61 + GeForce GTX 960M + NVIDIA Driver 430.14 + Python3.6 + Tensorflow-gpu

NVIDIA 430.14驱动下载
 CUDA 8.0下载

安装完成后，可以通过下面命令在你的设备中检查

克隆源代码，并生成Python3虚拟环境

git clone https://github.com/bay1/card-crnn-ctpn.git

python3 -m virtualenv venv

source venv/bin/activate # 激活虚拟环境

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple some-package # 安装项目依赖，指定清华源

配置warpctc-pytorch

项目中用到了warpctc-pytorch，需要我们手动安装
注意这里的命令需要在Python虚拟环境中执行

git clone https://github.com/SeanNaren/warp-ctc.git
cd warp-ctc
mkdir build; cd build
cmake ..
make

你可能会遇到如下错误，这是因为你的gcc版本过高，需要低于5.0版本

/usr/local/cuda-8.0/include/host_config.h:119:2: error: #error -- unsupported GNU version! gcc versions later than 5 are not supported!
 #error -- unsupported GNU version! gcc versions later than 5 are not supported!
  ^~~~~

如果你系统中有多个gcc版本，你可以执行下面的命令指定"gcc"命令链接的具体指令
比如我指定我系统中存在的另一个gcc版本： gcc-4.9

sudo rm /usr/bin/gcc
sudo ln -s /usr/bin/gcc-4.9  /usr/bin/gcc

你也可能会遇到如下错误

/usr/bin/ld: CMakeFiles/test_gpu.dir/tests/test_gpu_generated_test_gpu.cu.o: relocation R_X86_64_32S against `.bss' can not be used when making a PIE object; recompile with -fPIC
/usr/bin/ld: 最后的链结失败: 输出不可表示的节
collect2: error: ld returned 1 exit status
CMakeFiles/test_gpu.dir/build.make:98: recipe for target 'test_gpu' failed
make[2]: *** [test_gpu] Error 1
CMakeFiles/Makefile2:146: recipe for target 'CMakeFiles/test_gpu.dir/all' failed
make[1]: *** [CMakeFiles/test_gpu.dir/all] Error 2
Makefile:129: recipe for target 'all' failed
make: *** [all] Error 2

根据报错内容，我们可以直接修改目录下的CMakeCache.txt

CMAKE_CXX_FLAGS:STRING=-fPIC # 39 行

然后我们根据warp-ctc说明，执行下面命令

cd ../pytorch_binding
python setup.py install

此时你可能会遇到如下错误

src/binding.cpp:6:10: fatal error: torch/extension.h: 没有那个文件或目录
 #include <torch/extension.h>
          ^~~~~~~~~~~~~~~~~~~
compilation terminated.
error: command 'x86_64-linux-gnu-gcc' failed with exit status 1

根据前人的经验，https://github.com/SeanNaren/warp-ctc/issues/101
我们直接切换以前的版本即可

git checkout ac045b6

CTPN

文本位置定位，我直接借用的此项目以及其训练的模型text-detection-ctpn
其实作者训练的模型效果不算很好，不过我手里并没有模型数据，自己训练还是需要下载这位作者的训练数据
所以干脆直接使用作者训练好的模型数据即可，可以从下面两种方式下载作者的ckpt file

googl drive
baidu云

将此文件夹放到ctpn/，然后执行如下命令

cd ctpn/utils/bbox
chmod +x make.sh
./make.sh

PS：如果你想要自己训练CTPN模型数据，你可以执行ctpn文件夹下的train.py文件

其中text-detection-ctpn只是针对文本进行位置的定位
而我们针对银行卡号进行具体定位，所以还是需要进行一些自定义的处理
我的思路是对选取出来的所有Box进行长宽的计算，然后根据长宽的比例来进行截取卡号区域
当然这种效果的前提是，我们能够将卡号部分检测出来，不过这样实现的效果还是相当不错的

def get_wh(box_coordinate):
    """
    计算box坐标宽高
    box格式： [xmin, ymin, xmax, ymin, xmax, ymax, xmin, ymax, score]
    """
    xmin = box_coordinate[0]
    xmax = box_coordinate[2]
    ymin = box_coordinate[1]
    ymax = box_coordinate[5]
    width = xmax - xmin
    height = ymax - ymin
    return width, height

CRNN

此时需要回到项目根目录，首先对我得到的图片数据进行简单的处理
即将原始图片数据，即data/images的图片，转化为生成lmdb需要的形式

python crnn/handle_images.py

图片路径以及正确标签文本:

crnn/to_lmdb/train.txt
crnn/to_lmdb/test.txt

处理后的图片新路径:

crnn/to_lmdb/train_images
crnn/to_lmdb/test_images

然后我们就需要将我们手中的数据转换成train所需要的lmdb文件
执行下面命令

python crnn/to_lmdb/to_lmdb.py -i crnn/to_lmdb/train_images -l crnn/to_lmdb/train.txt -s crnn/to_lmdb/train_lmdb/
python crnn/to_lmdb/to_lmdb.py -i crnn/to_lmdb/test_images -l crnn/to_lmdb/test.txt -s crnn/to_lmdb/test_lmdb/

生成的lmdb文件目录:

crnn/to_lmdb/train_lmdb
crnn/to_lmdb/test_lmdb

这时候我们就可以具体训练我们手中的数据

python crnn/train.py

模型保存目录: crnn/expr

自定义参数

这个项目有各种自定义的数据目录，以及训练模型的参数
如果你想修改这些参数或者数据路径,你可以到下面两个文件中

ctpn/params.py
crnn/params.py

其中crnn训练模型的参数详解

--random_sample      是否使用随机采样器对数据集进行采样, action='store_true'
--keep_ratio         设置图片保持横纵比缩放, action='store_true'
--adam               使用adma优化器, action='store_true'
--adadelta           使用adadelta优化器, action='store_true'
--saveInterval       设置多少次迭代保存一次模型
--valInterval        设置多少次迭代验证一次
--n_test_disp        每次验证显示的个数
--displayInterval    设置多少次迭代显示一次
--experiment         模型保存目录
--alphabet           设置检测分类
--crnn               选择预训练模型
--beta1            
--lr                 学习率
--niter              训练回合数
--nh                 LSTM隐藏层数
--imgW               图片宽度
--imgH               图片高度, default=32
--batchSize          设置batchSize大小, default=64
--workers            工作核数, default=2
--trainroot          训练集路径
--valroot            验证集路径
--cuda               使用GPU, action='store_true'

可视化

训练CRNN完成之后，crnn测试加载模型路径默认是: crnn/trained_models/crnn_Rec_done.pth
即我们需要把我们训练好的模型重命名放到这个目录
然后我们就可以在项目根目录执行如下命令

python run.py

浏览器打开链接：http://127.0.0.1:5000

效果展示

这是本地迭代了300次的效果,有待继续改进

测试集图片, 识别其中的一张银行卡号

后续

数据增强

百度百科-数据增强
 深度学习与计算机视觉(PB-02)-数据增强

数据增强模块，将数据集中的每一张图片使用数据增强方式拓展为n张图片(n,设置crnn/params.py中的total_num)
这样做的好处还可以为之后的图像识别训练提供充足的数据样本

而我们要做的目的是识别银行卡卡号，对于现有数据和实际识别中卡号的样式
个人认为，我们需要做的数据增强方式不应该包括角度旋转，水平翻转，大幅度平移
同时银行卡较不容易识别的是带有复杂背景图的卡面，所以杂色，噪点的增加是必要的
所以在keras的基础上我们自定义一些其他函数

完成上述设置之后，在handle_images.py之前执行下面的命令

python crnn/augmentation.py

生成的数据文件夹如下，理论上会生成86720项(猜测是文件名重复导致)

效果

data文件夹中的测试图片，几乎能够识别所有的银行卡号，预估测试正确率达85%+
训练过程中的acc，最高升至0.77

PS：
参考crnn.pytorch
why my accuracy is always 0

标签：gcc,py,CRNN,Pytorch,train,crnn,test,lmdb,CTPN
来源： https://www.cnblogs.com/bay1/p/10994600.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9