文件名称：MASTER-pytorch:论文代码“ MASTER
文件大小：327KB
文件格式：ZIP
更新时间：2024-05-06 10:45:22
ocr transformer scene-text-recognition self-attention non-local-network
主PyTorch PyTorch重新实现多方面 （模式识别2021）。 该项目不同于我们最初基于公司隐私代码库FastOCR构建的实现。 您还可以在存储库中找到Tensorflow重新实现，并且性能几乎相同。 （PS。徽标来自功夫熊猫大师奥格威大师的灵感） 基于MASTER的荣誉 第一名（2020/10）解决方案 第二名和第五名（2020/10） 第四名（2019/08 更多将会发布 内容 准备数据集 使用配置文件进行分布式培训 使用多个节点 带有配置文件的一个GPU / CPU训练上的调试模式 从检查点恢复 从检查站微调 从检查点进行测试 评估 客制化 检查点 张量板可视化 去做 引文 执照 致谢 介绍 MASTER是一种基于自我注意的场景文本识别器，它（1）不仅对输入输出注意进行编码，而且还学习对编码器和解码器内部的特征-特征和目标-目标之间的关系进行编码的自我注意，以及（2
【文件预览】：
MASTER-pytorch-main
----data()
--------example_imgs()
--------example_gt.txt(29B)
--------README.md(442B)
----model()
--------master.py(6KB)
--------context_block.py(5KB)
--------__init__.py(80B)
--------backbone.py(8KB)
--------transformer.py(9KB)
----test.py(6KB)
----train.py(10KB)
----assets()
--------logo.jpeg(55KB)
--------overall.png(187KB)
----tests()
--------test.py(5KB)
--------__init__.py(80B)
----test.sh(225B)
----data_utils()
--------datasets.py(16KB)
--------__init__.py(79B)
--------crop_synthtext.py(12KB)
----trainer()
--------__init__.py(103B)
--------trainer.py(30KB)
----LICENSE(1KB)
----configs()
--------config.json(3KB)
----requirements.txt(102B)
----dist_train.sh(193B)
----parse_config.py(8KB)
----.gitignore(1KB)
----logger()
--------logger.py(794B)
--------logger_config.json(993B)
--------__init__.py(75B)
--------visualization.py(3KB)
----README.md(10KB)
----utils()
--------keys.py(288B)
--------metrics.py(2KB)
--------util.py(1KB)
--------calculate_metrics.py(4KB)
--------__init__.py(45B)
--------decode_util.py(4KB)
--------label_util.py(4KB)
--------keys.txt(95B)
----.flake8(88B)
----dist_train_with_args.sh(136B)