本文主要是介绍各类卡证矫正，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
卡证矫正
- 卡证矫正和文档矫正
- 写在前面
- 环境安装
- torch模型转成openvino
- 模型测试
- 使用pytorch测试
- 使用openvino测试
- 速度对比
- 模型训练
- 数据准备
- 模型训练
- 模型效果
- 参考文献
卡证矫正和文档矫正
写在前面
模型和思路来源： 读光-票证检测矫正模型，试了下效果不错，但是因为没开源训练模块，索性自己撸了下，数据加载dataload模块其实还是有优化空间的，比如我没对训练图片做光照，加噪等数据扩增操作。
环境安装
python环境: 3.8.5及以上
pip install -r requirements.txt
torch模型转成openvino
配置好config.py文件，如下所示：
运行：
python infer.py
模型测试
使用pytorch测试
配置好config.py文件，如下：
运行：
python infer.py
使用openvino测试
配置好config.py文件，如下：
运行：
python infer.py
速度对比
测试环境：V100(16G), 18CPU
在CPU上跑，openvino的加速还是比较明显的， 尤其是在linux上，加速特别明显。时间对比如下:
| 方法 | 时间（s） |
|---|---|
| pytorch（GPU） | 0.04027719497680664 |
| pytorch（CPU） | 0.5020792007446289 |
| openvino | 0.13443317413330078 |
模型训练
数据准备
按如下结构准备数据集
images
│ 1.jpg
│ 2.jpg
│ ...
labels
│ 1.txt
│ 2.txt
│ ...
label的标注格式是：
x1, y1, x2, y2, px1, py1, px2, py2, px3, py3, px4, py4, angle_class, type
x1,y1,x2,y2 是目标的矩形框的左上角点和右下角点坐标。
px1, py1, px2, py2, px3, py3, px4, py4是目标的四个角点。
angle_class是四个角度的分类,表示将图片顺时针旋转（0, 90, 180, 270），值分别为 0,1,2,3。
type表示文件的类别，比如读光-票证检测矫正模型中将文件分为2类，复印件和非复印件，你也可以根据自己的需要设置分类。
模型训练
配置好config.py文件：
其他参数可根据需要自己调整
运行
python train.py
模型效果
每张图第一张为原图，右边为矫正的结果，这里直接加载的读光的模型，具体也可以去读光-票证检测矫正模型自己去试试，效果还是很不错的。
参考文献
https://modelscope.cn/models/iic/cv_resnet18_card_correction
https://github.com/modelscope/modelscope
https://github.com/xingyizhou/CenterNet
这篇关于各类卡证矫正的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
