CTPN训练自己的数据集过程大白话记录

一.算法理解

　　此处省略1万字。。。。。。。。。。。。。。

二.训练及源码理解

　　配置以下3步：

　　在utils文件夹和utilsbox文件夹下创建__init__.py文件

　　在utilsbox文件夹下执行python setup.py install

　　将.pyd文件拷贝到utilsbox文件夹下

1. 数据介绍：检测图片当中的手写体区域，图片不多自己标注了385张，但是图片中的手写体区域大约几千个，后面训练Faster Rcnn也有用到。
2. 数据格式：首先我是用精灵标注手写体区域存在json文件中，josn解析提取图片名和标签坐标存在txt中，格式：768,1622,1124,1622,1124,1750,768,1750,chinese,###。
3. 总共4个角8个坐标，还有一个标签，全部用的chinese,然后用split_label.py将数据拆分成一个个小框，格式：188,399,191,430只有左上角和右下角坐标。将数据image文件夹和label文件夹（拆分后的数据标签）存放在mlt文件夹里即可。
4. main/trian.py即可训练核心代码：

   bbox_pred, cls_pred, cls_prob = model.model(input_image)  生成预测框，类别得分和概率

   lstm_output = Bilstm(rpn_conv, 512, 128, 512, scope_name='BiLSTM') 双层LSTM，考虑前后特征的联系

   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") 全连接分类得分和候选框预测

   total_loss, model_loss, rpn_cross_entropy, rpn_loss_box = model.loss(bbox_pred, cls_pred, input_bbox,
                                                                        input_im_info) 模型的各种损失，交叉熵损失，rpn损失

5. demo.py进行预测，包括小框合并,预测结果展示如下
6.