文件名称：PSENet.pytorch:PSENet的pytorch重新实现
文件大小：1.57MB
文件格式：ZIP
更新时间：2024-05-12 11:46:55
ocr python3 pytorch text-detection C++
渐进式规模扩展网络的形状鲁棒文本检测 要求 pytorch 1.1 火炬视觉0.3 pyclipper 的opencv3 gcc 4.9+ 更新 20190401 加笔者损失，结果在比较 下载 icdar 2015上的resnet50和resnet152模型： 提取代码：rxjf 资料准备 遵循icdar15数据集格式 img │ 1.jpg │ 2.jpg │ ... gt │ gt_1.txt │ gt_2.txt | ... 火车 在配置trainroot和testroot 使用以下脚本运行 python3 train.py 测试 用于在测试数据集上测试模型 配置model_path ， data_path ， gt_path ， save_path在 使用以下脚本进行测试 python3 eval.py 预测 用于推断单个图像 配置mode
【文件预览】：
PSENet.pytorch-master
----.gitignore(72B)
----pse()
--------Makefile(321B)
--------pse.cpp(3KB)
--------__init__.py(2KB)
--------pse.so(1.88MB)
--------include()
--------ncnn()
----dataset()
--------augment.py(15KB)
--------data_utils.py(9KB)
--------__init__.py(73B)
--------augment_img.py(7KB)
----eval.py(2KB)
----models()
--------ShuffleNetV2.py(8KB)
--------__init__.py(101B)
--------loss.py(4KB)
--------mobilenetv3.py(7KB)
--------resnet.py(7KB)
--------model.py(5KB)
----LICENSE(34KB)
----utils()
--------__init__.py(95B)
--------utils.py(3KB)
--------lr_scheduler.py(739B)
----README.md(5KB)
----config.py(1KB)
----cal_recall()
--------rrc_evaluation_funcs.py(16KB)
--------__init__.py(154B)
--------script.py(14KB)
----imgs()
--------img_98.jpg(140KB)
--------img_83.jpg(193KB)
--------img_31.jpg(224KB)
--------img_125.jpg(169KB)
--------img_73.jpg(192KB)
----predict.py(4KB)
----train.py(12KB)