综合编程

CTPN CRNN-Pytorch 银行卡号识别

微信扫一扫,分享到朋友圈

CTPN CRNN-Pytorch 银行卡号识别
0

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

阅读原文...


微信扫一扫,分享到朋友圈

CTPN CRNN-Pytorch 银行卡号识别
0

博客园-原创精华区

Container Factory Microservice Python Docker Gcloud

上一篇

在python异步协程中处理流程分析(二)

下一篇

评论已经被关闭。

插入图片

热门分类

往期推荐

CTPN CRNN-Pytorch 银行卡号识别

长按储存图像,分享给朋友