--- title: AdvancedEAST-PyTorch-模型库-ModelZoo-昇腾社区 description: 生态贡献模型 keywords: AdvancedEAST,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/789da2a61c9949e7b36b15487a2d2ccf?index_id=789da2a61c9949e7b36b15487a2d2ccf section: (其他) --- # AdvancedEAST-PyTorch-模型库-ModelZoo-昇腾社区 URL: https://www.hiascend.com/software/modelzoo/models/detail/789da2a61c9949e7b36b15487a2d2ccf?index_id=789da2a61c9949e7b36b15487a2d2ccf 描述: 生态贡献模型 关键词: AdvancedEAST,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) AdvancedEAST-PyTorch ## AdvancedEAST-PyTorch 视觉检测与跟踪PyTorch训练92次浏览2023/08/14更新 查看模型源码 AdvancedEAST-PyTorch 查看模型源码 ... # 概述 ## 简述 AdvancedEast是场景文字检测算法，基于EAST算法，对EAST在长文本检测地方的缺陷进行了重大改进，使长文本预测更加准确。总体来说AdvancedEast检测算法在多角度文字检测方面表现良好，没有明显的缺陷。 - 参考实现： ``` url=https://github.com/BaoWentz/AdvancedEAST-PyTorch commit_id=a835c8cedce4ada1bc9580754245183d9f4aaa17 ``` - 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 | torchvision==0.2.2.post3；pillow==8.4.0 | | PyTorch 1.8 | torchvision==0.9.1；pillow==9.3.0 | - 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。 ## 准备数据集 1. 获取数据集。 请用户自行获取数据集，分别下载ICPR_text_train_part2_20180313.zip和ICPR_text_train_part1_20180316.zip两个压缩包，在源码包根目录下新建目录icpr和子目录icpr/image_10000、icpr/txt_10000，将压缩包中image_9000、image_1000中的图片文件解压至image_10000中，将压缩包中txt_9000、txt_1000中的标签文件解压至txt_10000中。 数据集目录结构参考如下所示。 ``` ├── icpr ├──image_10000 │──图片1 │──图片2 │ ... ├──txt_10000 │──标注1 │──标注2 │ ... ``` 说明：该数据集的训练过程脚本只作为一种参考示例。 2. 数据预处理（在源码包根目录下执行以下命令）。 ``` bash test/prep_dataset.sh ``` # 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。依次训练size为256x256，384x384，512x512，640x640，736x736的图片，每个size加载上个size的训练结果，加速模型收敛。 - 单机单卡训练 启动单卡训练。 ``` 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_performance_8p.sh # 8卡性能 bash ./test/train_full_8p.sh # 8卡精度 # 默认依次训练256，384，512，640，736五个size，可以指定要训练size，用于恢复中断的训练，例如 `bash test/train_full_8p.sh 640 736` ``` 模型训练脚本参数说明如下。 ``` 公共参数： --apex //是否使用混合精度 --device //设置训练设备 --img_path //设置图片加载路径 --epoch_num //设置训练周期数 ``` 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（pytorch1.5) | Size | F1-score | FPS | Npu_nums | Epochs | AMP_Type | | --- | --- | --- | --- | --- | ---| | 256 | - | 254 | 1 | - | O1 | | 256 | - | 1075 | 8 | 60 | O1 | | 384 | - | 118 | 1 | - | O1 | | 384 | - | 680 | 8 | 60 | O1 | | 512 | - | 63 | 1 | - | O1 | | 512 | - | 400 | 8 | 60 | O1 | | 640 | - | 37 | 1 | - | O1 | | 640 | - | 243 | 8 | 60 | O1 | | 736 | - | 34 | 1 | - | O1 | | 736 | 62.41% | 218 | 8 | 60 | O1 | 表 3训练结果展示表（pytorch1.8) | Size | F1-score | FPS | Npu_nums | Epochs | AMP_Type | | --- | --- | --- | --- | --- | ---| | 256 | - | 306.044 | 1 | - | O1 | | 256 | - | 1876.826 | 8 | 60 | O1 | | 384 | - | 147.237 | 1 | - | O1 | | 384 | - | 978.686 | 8 | 60 | O1 | | 512 | - | 82.347 | 1 | - | O1 | | 512 | - | 569.184 | 8 | 60 | O1 | | 640 | - | 47.418 | 1 | - | O1 | | 640 | - | 361.766 | 8 | 60 | O1 | | 736 | - | 38.31 | 1 | - | O1 | | 736 | 62.47% | 273.019 | 8 | 60 | O1 | # 版本说明 ## 变更 2023.03.03：更新readme，重新发布。 2020.08.26：首次发布。 ## FAQ 无。 | 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)