新闻

• PSENet 已被纳入 MMOCR。
• 我们已将 PSENet 从 Python 2 升级到 Python 3。旧版本可在此处找到：PSENet python2 分支。
• 我们使用 Paddle 实现了 PSENet，访问地址为：PSENet_paddle。
• PAN 的代码可以在这里找到：PAN 代码库。
• 另一组也使用 Paddle 实现了 PSENet，访问地址为：PaddleEdu OCR 模型仓库中的 PSENet。你也可以在以下链接中在线体验，环境已配置好：百度飞桨 AI Studio。

简介

PSENet 的官方 PyTorch 实现 [1]。

[1] W. Wang, E. Xie, X. Li, W. Hou, T. Lu, G. Yu, 和 S. Shao. 基于渐进尺度扩展网络的形状鲁棒文本检测。载于 IEEE 计算机视觉与模式识别会议论文集，第 9336–9345 页，2019 年。

推荐环境

Python 3.6+
Pytorch 1.1.0
torchvision 0.3
mmcv 0.2.12
editdistance
Polygon3
pyclipper
opencv-python 3.4.2.17
Cython

安装

pip install -r requirement.txt
./compile.sh

训练

CUDA_VISIBLE_DEVICES=0,1,2,3 python train.py ${CONFIG_FILE}

例如：

CUDA_VISIBLE_DEVICES=0,1,2,3 python train.py config/psenet/psenet_r50_ic15_736.py

测试

python test.py ${CONFIG_FILE} ${CHECKPOINT_FILE}

例如：

python test.py config/psenet/psenet_r50_ic15_736.py checkpoints/psenet_r50_ic15_736/checkpoint.pth.tar

速度测试

python test.py ${CONFIG_FILE} ${CHECKPOINT_FILE} --report_speed

例如：

python test.py config/psenet/psenet_r50_ic15_736.py checkpoints/psenet_r50_ic15_736/checkpoint.pth.tar --report_speed

评估

简介

ICDAR 2015 (IC15)、Total-Text (TT) 和 CTW1500 (CTW) 数据集的评估脚本。

ICDAR 2015

文本检测

./eval_ic15.sh

Total-Text

文本检测

./eval_tt.sh

CTW1500

文本检测

./eval_ctw.sh

基准测试

结果

ICDAR 2015

方法	主干网络	微调	尺寸	配置文件	精度 (%)	召回率 (%)	F1 分数 (%)	模型
PSENet	ResNet50	否	较短边：736	psenet_r50_ic15_736.py	83.6	74.0	78.5	发布页面
PSENet	ResNet50	否	较短边：1024	psenet_r50_ic15_1024.py	84.4	76.3	80.2	发布页面
PSENet（论文）	ResNet50	否	较长边：2240	-	81.5	79.7	80.6	-
PSENet	ResNet50	是	较短边：736	psenet_r50_ic15_736_finetune.py	85.3	76.8	80.9	发布页面
PSENet	ResNet50	是	较短边：1024	psenet_r50_ic15_1024_finetune.py	86.2	79.4	82.7	发布页面
PSENet（论文）	ResNet50	是	较长边：2240	-	86.9	84.5	85.7	-

CTW1500

方法	主干网络	微调	配置文件	精度 (%)	召回率 (%)	F1 分数 (%)	模型
PSENet	ResNet50	否	psenet_r50_ctw.py	82.6	76.4	79.4	发布页面
PSENet（论文）	ResNet50	否	-	80.6	75.6	78	-
PSENet	ResNet50	是	psenet_r50_ctw_finetune.py	84.5	79.2	81.8	发布页面
PSENet（论文）	ResNet50	是	-	84.8	79.7	82.2	-

Total-Text

方法	主干网络	微调	配置文件	精度 (%)	召回率 (%)	F1 分数 (%)	模型
PSENet	ResNet50	否	psenet_r50_tt.py	87.3	77.9	82.3	发布页面
PSENet（论文）	ResNet50	否	-	81.8	75.1	78.3	-
PSENet	ResNet50	是	psenet_r50_tt_finetune.py	89.3	79.6	84.2	发布页面
PSENet（论文）	ResNet50	是	-	84.0	78.0	80.9	-

引用

@inproceedings{wang2019shape,
  title={Shape robust text detection with progressive scale expansion network},
  author={Wang, Wenhai and Xie, Enze and Li, Xiang and Hou, Wenbo and Lu, Tong and Yu, Gang and Shao, Shuai},
  booktitle={Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition},
  pages={9336--9345},
  year={2019}
}

许可证

本项目由 南京大学新型软件技术国家重点实验室 IMAGINE 实验室 开发并维护。

本项目采用 Apache 2.0 许可证 发布。

PSENet 快速上手指南

PSENet (Progressive Scale Expansion Network) 是一种用于场景文本检测的深度学习模型，特别擅长处理任意形状的文本。本指南基于官方 PyTorch 实现（Python 3 版本），帮助开发者快速完成环境配置、安装及基础运行。

环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统: Linux (推荐)
• Python: 3.6 及以上版本
• GPU: 支持 CUDA 的 NVIDIA 显卡（训练和高效推理必需）
• 核心依赖:
  • Pytorch >= 1.1.0
  • torchvision >= 0.3
  • mmcv == 0.2.12
  • opencv-python == 3.4.2.17
  • 其他依赖：Cython, editdistance, Polygon3, pyclipper

提示：国内用户建议使用清华源或阿里源加速 pip 包的安装。

安装步骤

1. 克隆项目代码

   git clone https://github.com/whai362/PSENet.git
   cd PSENet
   

2. 安装 Python 依赖 建议先配置好 PyTorch 环境，然后安装 requirements.txt 中的其他依赖。

   # 推荐使用国内镜像源加速安装
   pip install -r requirement.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
   

3. 编译自定义算子 PSENet 包含需要编译的 C++/CUDA 扩展，执行以下脚本进行编译：

   ./compile.sh
   

   注：如果提示权限不足，请先执行 chmod +x compile.sh。

基本使用

1. 训练模型 (Training)

使用多卡进行训练示例（以 ICDAR2015 数据集配置为例）：

CUDA_VISIBLE_DEVICES=0,1,2,3 python train.py config/psenet/psenet_r50_ic15_736.py

• CUDA_VISIBLE_DEVICES: 指定使用的 GPU 编号。
• config/...: 指定配置文件路径。

2. 测试与推理 (Testing)

使用预训练权重对数据集进行测试：

python test.py config/psenet/psenet_r50_ic15_736.py checkpoints/psenet_r50_ic15_736/checkpoint.pth.tar

• 请将 checkpoints/... 替换为您实际下载的模型权重路径。
• 官方预训练模型可在项目的 Releases 页面获取。

3. 速度评估 (Speed Benchmark)

如果您想测试模型的推理速度（FPS），可添加 --report_speed 参数：

python test.py config/psenet/psenet_r50_ic15_736.py checkpoints/psenet_r50_ic15_736/checkpoint.pth.tar --report_speed

4. 数据集评估 (Evaluation)

项目提供了针对主流文本检测数据集的评估脚本：

• ICDAR 2015: ./eval_ic15.sh
• Total-Text: ./eval_tt.sh
• CTW1500: ./eval_ctw.sh

运行前请确保已按照各数据集官网要求准备好标注文件和测试结果文件。