文件名称：CRAFT-Remade:CRAFT文本检测的实现
文件大小：54KB
文件格式：ZIP
更新时间：2024-06-16 20:39:05
ocr craft detection pytorch weak-supervision
重新实现CRAFT-字符区域感知以进行文本检测 客观的 复制论文提到的弱监督培训 在所有流行的数据集上生成字符bbox。 使用命令行界面公开经过预训练的模型，以在自定义图像上合成结果 克隆存储库 git clone https://github.com/autonise/CRAFT-Remade.git cd CRAFT-Remade 选项1：Conda环境安装 conda env create -f environment.yml conda activate craft 选项2：Pip安装 pip install -r requirements.txt 在自定义图像上运行 将图像放在文件夹中。 从预先训练的模型列表中获取预先训练的模型（当前仅可使用SYNTH-Text进行严格监督） 运行命令- python main.py synthesize --model=./mo
【文件预览】：
CRAFT-Remade-master
----config.py(2KB)
----src()
--------vgg16bn.py(3KB)
--------UNET_ResNet.py(5KB)
--------utils()
--------generic_model.py(3KB)
--------craft_model.py(3KB)
----model()
--------ReadMe.md(21B)
----main.py(6KB)
----train_weak_supervision()
--------config.py(895B)
--------dataloader.py(7KB)
--------__init__.py(3KB)
--------trainer.py(10KB)
----requirements.txt(160B)
----input()
--------ReadMe.md(28B)
----.idea()
--------misc.xml(185B)
--------workspace.xml(3KB)
--------dictionaries()
--------CRAFT-Remade.iml(526B)
--------inspectionProfiles()
--------modules.xml(276B)
--------vcs.xml(180B)
----LICENSE(1KB)
----environment.yml(252B)
----ReadMe.md(5KB)
----train_synth()
--------train.py(8KB)
--------config.py(1011B)
--------synthesize.py(17KB)
--------dataloader.py(5KB)
--------test.py(5KB)
----.gitignore(38B)