- 博客(4)
- 收藏
- 关注
RSS订阅原创 PaddleOCRv5训练自己的模型-微调文本检测模型
本文介绍了PaddleOCRv5文本检测模型的微调方法。主要步骤包括：1）数据准备，需按官方格式制作标注数据集；2）模型训练，需修改配置文件中的训练参数和数据集路径；3）模型导出为推理格式；4）可选转换为ONNX格式；5）最后演示了如何调用训练好的模型进行预测。文中详细说明了配置文件各参数含义，并针对大尺寸图片训练、早停等场景给出了解决方案。配套的标注工具PPOCRLABEL使用注意事项可参考作者其他文章。
2025-08-19 11:09:26
1504
原创 PPOCRlabel遇见的坑
文章总结了使用PPOCRLabel标注工具时遇到的四个坑点：1)安装后无响应需手动运行.py文件；2)自动标注后需逐个确认保存；3)多人标注合并时数据丢失问题；4)label.txt文件意外乱码导致工作白费。作者特别强调要定期备份标注数据，以免重复劳动。这些经验教训对使用该工具的用户具有重要参考价值，提醒使用者注意操作细节并做好数据保护。
2025-08-18 20:34:41
469
原创 PaddleOCRv5训练自己的模型-微调文字识别模型
本文介绍了使用PaddleOCR微调文字识别模型的具体步骤。首先需要按照官方格式准备数据集，包括图片和标注文件。然后进行模型训练，包括环境安装、预训练模型下载、配置文件修改等关键环节，特别针对训练中可能出现的类别数不匹配问题提供了三种解决方案。文章还详细说明了模型导出为静态图格式的方法，以及如何调用训练好的模型进行推理。整个过程涉及多个技术细节，如早停机制设置、断点续训方法等，为需要提升OCR识别精度的开发者提供了实用指导。
2025-06-17 11:32:10
2602
原创 目标检测yolo数据处理全流程（网络爬取，视频截取/抽帧，数据标注，txt/xml格式转换）
本文分享了YOLO目标检测项目中最耗时但重要的数据处理工作流程，包含五个关键环节： 1️⃣数据获取：通过摄像头录制或网络爬取视频图片，需注意合法性和数据质量 2️⃣数据处理：视频抽帧/截取技巧，推荐运动检测+抽帧方法，强调人工筛选的重要性 3️⃣数据标注：解决labelimg常见问题，建议使用OVD大模型或迭代标注提高效率 4️⃣数据格式转换：提供VOC转YOLO格式的Python脚本 5️⃣数据集划分：自动划分train/val的代码实现每个环节都配有实用代码片段和注意事项，特别强调数据质量把控和命名
2025-06-13 09:50:54
967
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人