PaddleOCR
PaddleOCR copied to clipboard
PaddlePaddle
使用SVRT识别模型进行识别时，真实图片的文本长度超过了25，但是在配置文件max_text_length设置的是25，这个时候怎么办
请提供下述完整信息以便快速定位问题/Please provide the following information to quickly locate the problem
- 系统环境/System Environment：
- 版本号/Version：Paddle： PaddleOCR： 问题相关组件/Related components：
- 运行指令/Command Code：
- 完整报错/Complete Error Message：
SVTR借鉴Vision Transformer结构，使用了绝对位置编码，无法应对变长的输入，只能识别25个字符以内的文本。因需要统计训练集和测试集样本的宽高比，比如，在中文数据集中发现存在很多宽高比10:1的样本，字符数超过了25，如果直接将这些样本resize到32 100，会造成文本图像的失真，因此我们将图像保留宽高比，高度设为32，如果宽度小于320，这padding，如果宽度大于320，则压缩为320，这样尽可能保留了文本图像的原始信息。
存在问题 由于SVTR使用了绝对位置编码，无法应对变长的输入，一个解决方案即为优化input_size:统计宽高比，例如：1、[3, 32, 100]适应宽高比多数为4:1且单个样本字符数不超过20的数据集；2、如果数据集中存在很多宽高比为10:1样本，则可以将[3, 32, 100]修改为[3, 32, 200]或者[3, 32, 320]，也可以参考SVTR中文配置。
如果文本图像中字符个数不确定，但是有的超过了25个，建议采用可以变长输入的模型，比如PP-OCRv3，可以根据图像高宽比设置输入，也可以识别超长的文本。
如果大部分图像都超过了25个字符，建议训练时根据实际情况修改：max_text_length，并将input_size设置为宽高比更大的比例
SVTR借鉴Vision Transformer结构，使用了绝对位置编码，无法应对变长的输入，只能识别25个字符以内的文本。因需要统计训练集和测试集样本的宽高比，比如，在中文数据集中发现存在很多宽高比10:1的样本，字符数超过了25，如果直接将这些样本resize到32 100，会造成文本图像的失真，因此我们将图像保留宽高比，高度设为32，如果宽度小于320，这padding，如果宽度大于320，则压缩为320，这样尽可能保留了文本图像的原始信息。
存在问题 由于SVTR使用了绝对位置编码，无法应对变长的输入，一个解决方案即为优化input_size:统计宽高比，例如：1、[3, 32, 100]适应宽高比多数为4:1且单个样本字符数不超过20的数据集；2、如果数据集中存在很多宽高比为10:1样本，则可以将[3, 32, 100]修改为[3, 32, 200]或者[3, 32, 320]，也可以参考SVTR中文配置。
如果文本图像中字符个数不确定，但是有的超过了25个，建议采用可以变长输入的模型，比如PP-OCRv3，可以根据图像高宽比设置输入，也可以识别超长的文本。
如果大部分图像都超过了25个字符，建议训练时根据实际情况修改：max_text_length，并将input_size设置为宽高比更大的比例
您好，我想请问一下竖向图片SVTR是怎么对它进行resize的呢？
您好，我想请问一下竖向图片SVTR是怎么对它进行resize的呢？
竖向文本进行旋转后再进行resize
我使用Benchmarking Chinese中提供的数据集（格式.lmdb）进行训练，发现可视化结果中竖向文本都被识别为一个字了，代码本身是不包含旋转的代码吗？需要先处理数据集？
我使用Benchmarking Chinese中提供的数据集（格式.lmdb）进行训练，发现可视化结果中竖向文本都被识别为一个字了，代码本身是不包含旋转的代码吗？需要先处理数据集？
SVTR没有对竖向文本做处理，需要自己添加。具体的可以在，图像读取后进行处理，例如，当图片的高大于1.5倍的宽，可以认为是竖向文本，使用np.rot90(img)即可完成旋转
您好，我想请问一下竖向图片SVTR是怎么对它进行resize的呢？
竖向文本进行旋转后再进行resize
还有想问您，训练时的分布式训练使用多张卡训练，是将数据集分成不同的四份分别进行训练，然后每一轮训练结束后进行信息交流吗？还是将同一数据集分别训练四次，每一轮训练结束后进行信息交流？又或者是怎样的呢？
分布式训练需要对轮数，学习率或者其他参数进行怎样的修改？
然后每一轮训练结束后进行信息交流吗？还是将同一数据集分别训练四次，每一轮训练结束后进行信息交流？又或者是怎样的呢？
分布式训练不需要特殊操作，按照https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.6/doc/doc_ch/distributed_training.md 的说明启动代码即可。
分布式训练需要对轮数，学习率或者其他参数进行怎样的修改？
svtr的中文模型配置是默认4卡gpu训练，如果改变gpu个数或者batchsize，学习率需要和 总batchsize（gpu num * batchsize）同比例缩放。其他参数不变
分布式训练不需要特殊操作，按照https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.6/doc/doc_ch/distributed_training.md 的说明启动代码即可。
为什么我使用四个卡一起训练机器就崩了？使用2个卡训练显示时间与单卡是一样的呢？/(ㄒoㄒ)/~~我不理解这个分布式训练
为什么我使用四个卡一起训练机器就崩了？使用2个卡训练显示时间与单卡是一样的呢？/(ㄒoㄒ)/~~我不理解这个分布式训练
可以单独提个关于多卡训练的issue，说明环境配置以及详细的报错信息
为什么我使用四个卡一起训练机器就崩了？使用2个卡训练显示时间与单卡是一样的呢？/(ㄒoㄒ)/~~我不理解这个分布式训练
可以单独提个关于多卡训练的issue，说明环境配置以及详细的报错信息
好，谢谢
您好，SVTR论文中对于中文数据集，设置的max_length为40，但是代码中设置的是25，请问哪个为准？
请使用下载模型时配套的配置文件，configs/rec/rec_svtrnet_ch.yaml不是svtr论文的配置文件
SVTR借鉴Vision Transformer结构，使用了绝对位置编码，无法应对变长的输入，只能识别25个字符以内的文本。因需要统计训练集和测试集样本的宽高比，比如，在中文数据集中发现存在很多宽高比10:1的样本，字符数超过了25，如果直接将这些样本resize到32 100，会造成文本图像的失真，因此我们将图像保留宽高比，高度设为32，如果宽度小于320，这padding，如果宽度大于320，则压缩为320，这样尽可能保留了文本图像的原始信息。
存在问题 由于SVTR使用了绝对位置编码，无法应对变长的输入，一个解决方案即为优化input_size:统计宽高比，例如：1、[3, 32, 100]适应宽高比多数为4:1且单个样本字符数不超过20的数据集；2、如果数据集中存在很多宽高比为10:1样本，则可以将[3, 32, 100]修改为[3, 32, 200]或者[3, 32, 320]，也可以参考SVTR中文配置。
如果文本图像中字符个数不确定，但是有的超过了25个，建议采用可以变长输入的模型，比如PP-OCRv3，可以根据图像高宽比设置输入，也可以识别超长的文本。
如果大部分图像都超过了25个字符，建议训练时根据实际情况修改：max_text_length，并将input_size设置为宽高比更大的比例
请问大佬PP-OCRv3对SVTR的什么改进才使得其支持不定长的输入呢？看了论文好像完全没有提到这块，是不是和模型yml文件里的SARHead部分有关系？有没有相关资料可以参考学习一下的，感谢大佬时间！
请问大佬PP-OCRv3对SVTR的什么改进才使得其支持不定长的输入呢？看了论文好像完全没有提到这块，是不是和模型yml文件里的SARHead部分有关系？有没有相关资料可以参考学习一下的，感谢大佬时间！
参考 #7555 和https://github.com/PaddlePaddle/PaddleOCR/issues/7104#issuecomment-1206002780
您好，SVTR论文中对于中文数据集，设置的max_length为40，但是代码中设置的是25，请问哪个为准？
请使用下载模型时配套的配置文件，configs/rec/rec_svtrnet_ch.yaml不是svtr论文的配置文件
想问一下 SVTR论文的配置文件是在哪个目录下面 我只找到了rec_svtrnet_ch.yaml
您好，SVTR论文中对于中文数据集，设置的max_length为40，但是代码中设置的是25，请问哪个为准？
请使用下载模型时配套的配置文件，configs/rec/rec_svtrnet_ch.yaml不是svtr论文的配置文件
想问一下 SVTR论文的配置文件是在哪个目录下面 我只找到了rec_svtrnet_ch.yaml
下载中文模型的压缩包，解压的文件夹里有中文的配置文件和模型文本
您好，SVTR论文中对于中文数据集，设置的max_length为40，但是代码中设置的是25，请问哪个为准？
请使用下载模型时配套的配置文件，configs/rec/rec_svtrnet_ch.yaml不是svtr论文的配置文件
想问一下 SVTR论文的配置文件是在哪个目录下面 我只找到了rec_svtrnet_ch.yaml
下载中文模型的压缩包，解压的文件夹里有中文的配置文件和模型文本
你好，可以给我指明中文模型的压缩包的网页链接吗？这对我非常重要！非常感谢！