CTPN訓練自己的數據集過程大白話記錄

一.算法理解

　　此處省略1萬字。。。。。。。。。。。。。。

二.訓練及源碼理解

　　配置以下3步：

　　在utils文件夾和utils\bbox文件夾下創建__init__.py文件

　　在utils\bbox文件夾下執行python setup.py install

　　將.pyd文件拷貝到utils\bbox文件夾下

1. 數據介紹：檢測圖片當中的手寫體區域，圖片不多自己標注了385張，但是圖片中的手寫體區域大約幾千個，后面訓練Faster Rcnn也有用到。
2. 數據格式：首先我是用精靈標注手寫體區域存在json文件中，josn解析提取圖片名和標簽坐標存在txt中，格式：768,1622,1124,1622,1124,1750,768,1750,chinese,###。
3. 總共4個角8個坐標，還有一個標簽，全部用的chinese,然后用split_label.py將數據拆分成一個個小框，格式：188,399,191,430只有左上角和右下角坐標。將數據image文件夾和label文件夾（拆分后的數據標簽）存放在mlt文件夾里即可。
4. main/trian.py即可訓練核心代碼：

   bbox_pred, cls_pred, cls_prob = model.model(input_image)  生成預測框，類別得分和概率

   lstm_output = Bilstm(rpn_conv, 512, 128, 512, scope_name='BiLSTM') 雙層LSTM，考慮前后特征的聯系

   bbox_pred = lstm_fc(lstm_output, 512, 10 * 4, scope_name="bbox_pred") 
   cls_pred = lstm_fc(lstm_output, 512, 10 * 2, scope_name="cls_pred") 全連接分類得分和候選框預測

   total_loss, model_loss, rpn_cross_entropy, rpn_loss_box = model.loss(bbox_pred, cls_pred, input_bbox,
                                                                        input_im_info) 模型的各種損失，交叉熵損失，rpn損失

5. demo.py進行預測，包括小框合並,預測結果展示如下
6.