--- title: TextSnake-PyTorch-模型库-ModelZoo-昇腾社区 description: 生态贡献模型 keywords: TextSnake,PyTorch,模型库,ModelZoo,昇腾社区,概述,简述,准备训练环境 url: https://www.hiascend.com/software/modelzoo/models/detail/099c7b8a54ff4a47b3a527b259e6e8e5 section: (其他) --- # TextSnake-PyTorch-模型库-ModelZoo-昇腾社区 URL: https://www.hiascend.com/software/modelzoo/models/detail/099c7b8a54ff4a47b3a527b259e6e8e5 描述: 生态贡献模型 关键词: TextSnake,PyTorch,模型库,ModelZoo,昇腾社区,概述,简述,准备训练环境 ModelZoo主页 主页 [了解详情](https://www.hiascend.com/software/modelzoo)大模型 [了解详情](https://www.hiascend.com/software/modelzoo/big-models)模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models)工具库 [了解详情](https://www.hiascend.com/software/modelzoo/tools)权重库 [了解详情](https://www.hiascend.com/software/modelzoo/datasets)ModelShow [了解详情](https://www.hiascend.com/software/modelzoo/modelshow)DeepSeek专区HOT [了解详情](https://www.hiascend.com/developer/deepseek)文档中心论坛交流 主页 [了解详情](https://www.hiascend.com/software/modelzoo)大模型 [了解详情](https://www.hiascend.com/software/modelzoo/big-models)模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models)工具库 [了解详情](https://www.hiascend.com/software/modelzoo/tools)权重库 [了解详情](https://www.hiascend.com/software/modelzoo/datasets)ModelShow [了解详情](https://www.hiascend.com/software/modelzoo/modelshow)DeepSeek专区HOT [了解详情](https://www.hiascend.com/developer/deepseek)文档中心论坛交流 模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models) TextSnake-PyTorch ## TextSnake-PyTorch 视觉检测与跟踪PyTorch训练54次浏览2023/08/14更新 查看模型源码 TextSnake-PyTorch 查看模型源码 ... # 概述 ## 简述 TextSnake提出一种灵活而通用的表征，通过一系列有序、彼此重叠的圆盘（disk）描述文本，每个圆盘位于文本区域的中心轴上，并带有可以变化的半径和方向，可以描述任意形状的场景文本，包括水平文本，多方向文本和曲形文本，并在当时取得了最优或有竞争力的结果。 - 参考实现： ``` url=https://github.com/princewang1994/TextSnake.pytorch commit_id=b4ee996d5a4d214ed825350d6b307dd1c31faa07 ``` - 适配昇腾 AI 处理器的实现： ``` url=https://gitee.com/ascend/ModelZoo-PyTorch.git code_path=PyTorch/contrib/cv/detection ``` # 准备训练环境 ## 准备环境 - 当前模型支持的 PyTorch 版本和已知三方库依赖如下表所示。 表 1版本支持表 | Torch_Version | 三方库依赖版本 | | --- | ---| | PyTorch 1.5 | pillow==8.4.0 | | PyTorch 1.8 | pillow==9.1.0 | - 环境准备指导。 请参考《Pytorch框架训练环境准备 [了解详情](https://www.hiascend.com/document/detail/zh/ModelZoo/pytorchframework/ptes)》。 - 安装依赖。 在模型源码包根目录下执行命令，安装模型对应PyTorch版本需要的依赖。 ``` pip install -r 1.5_requirements.txt # PyTorch1.5版本 pip install -r 1.8_requirements.txt # PyTorch1.8版本 ``` 说明：只需执行一条对应的PyTorch版本依赖安装命令。 - 安装geos(从下面方法中选择一种) - 命令安装 ``` apt-get install libgeos-dev # Ubuntu yum install geos-devel # centos ``` - 源码安装 ``` wget http://download.osgeo.org/geos/geos-3.8.1.tar.bz2 bunzip2 geos-3.8.1.tar.bz2 tar xvf geos-3.8.1.tar cd geos-3.8.1 ./configure && make && make install ``` ## 准备数据集 1. 请用户自行准备好数据集，包含训练集和验证集两部分，可选用的数据集为TotalText。将准备好的数据集上传至源码包根目录下的“data/”文件夹中并解压，解压后训练集和验证集图片分别位于“train/”和“val/”文件夹路径下，该目录下每个文件夹代表一个类别，且同一文件夹下的所有图片都有相同的标签。当前提供的训练脚本中，是以TotalText数据集为例。在使用其他数据集时，修改数据集路径。数据集目录结构参考。 ``` ├ data ├── total-text │ ├──Images ├──Train ──图片1、2、3、4 │ │ ├──Test ──图片1、2、3、4 │ │ │ ├──gt ├──Train ──文件1、2、3、4 │ │ ├──Test ──文件1、2、3、4 ``` 说明：该数据集的训练过程脚本只作为一种参考示例。 ## 下载预训练模型 请参考原始仓库上的README.md进行预训练模型获取，将下载好的预训练模型放入源码包根目录下新建的`save/synthtext_pretrain`文件夹中。 # 开始训练 ## 训练模型 1. 进入解压后的源码包根目录。 ``` cd /${模型文件夹名称} ``` 2. 运行训练脚本。 该模型支持单机单卡训练和单机8卡训练。 - 单机单卡训练 启动单卡训练。 ``` bash ./test/train_full_1p.sh # 单卡精度 bash ./test/train_performance_1p.sh # 单卡性能 ``` - 单机8卡训练 启动8卡训练。 ``` bash ./test/train_full_8p.sh # 8卡精度 bash ./test/train_performance_8p.sh # 8卡性能 ``` - 单机8卡评测 启动8卡评测。 ``` bash ./test/train_eval_8p.sh ``` 模型训练脚本参数说明如下。 ``` 公共参数： --weight_decay //权重衰减 --batch_size //训练批次大小 --momentum //动量 --max_epoch //最大训练周期数 --data_path //数据集路径 --num_workers //加载线程数 --device //设备类型 --world_size //分布式训练节点数 ``` 训练完成后，权重文件保存在当前路径下，并输出模型训练精度和性能信息。 # 训练结果展示 表 2训练结果展示表 | Precision | Recall | F-measure | FPS | Npu_nums | Epochs | AMP_Type | | --- | --- | --- | --- | --- | --- | ---| | - | - | - | - | 1 | 1 | O1 | | 0.741 | 0.687 | 0.713 | 29 | 8 | 200 | O1 | # 版本说明 ## 变更 2023.03.08：更新readme，重新发布。 2021.07.08：首次发布。 ## FAQ 无。 # 公网地址说明 代码涉及公网地址参考 public_address_statement.md | 版本 | 更新时间 | 精度 | 处理器 | CANN版本 | 操作 | | --- | --- | --- | --- | --- | ---| 暂无数据 使用模型资源和服务前，请您仔细阅读并理解透彻《昇腾深度学习模型许可协议 3.0》 [了解详情](https://www.hiascend.com/legal/modelzoo_models_license)