Comments (6)
Не совсем понятем ваш вопрос. Точность нужно мерять самому на Вашем датасете.
Условно говоря вы берете 100 фотографий, сами определяете и записываете правильные значения номера (номеров) , распознаете эти 100 фото с помощью нашего модуля и меряете количество правильных ответов в процентах.
Если речь идет о уверенности модели в результате то тут тоже надо уточнять какую именно модель анализируем. В Nomeroff Net, в стандартном варианте использования 3 нейронки:
- MaskRCNN, которая определяет зоны с номерами, котороые, в дальнейшем, будут распознаваться.
- Классификатор зон, который определяет какой страны номер, замазан ли номер, сколько линий с текстом на номере
- Набор ситстем OCR для разных типов номеров и разных стран, у каждой OCR своя точность.
На данных сайта AUTO.RIA.com для украинских номеров у нас процент правильно распознаных номеров составляет 97-98% (из тех которые визуально может прочитать человек).
На ваших данных, этот показатель может быть другим.
from nomeroff-net.
Доброго дня, наверно не совсем правильно поставил вопрос, речь идет о OCR, хотелось бы получать не только распознанный номер (A001PA135) но и ( уверенность / точность ) в нем, что бы была возможность отбрасывать варианты в которых скрипт не уверен например на 95 %
Распознан как A001PA135
Распознан как A001PA134
from nomeroff-net.
В нашем коде есть переменная в которую поступает вероятность нахождения символа на заданой позиции. Там можно по разному считать общий результат, можете с этим поэкспериментировать самостоятельно и возвращать себе обобщенный результат. Мы это не реализовывали.
Посмотрите переменную net_out_value
https://github.com/ria-com/nomeroff-net/blob/master/NomeroffNet/Base/OCR.py
def predict(self, imgs, *argv):
Xs = []
for img in imgs:
x = self.normalize(img)
Xs.append(x)
pred_texts = []
if bool(Xs):
net_out_value = self.MODEL.predict(np.array(Xs))
#print(net_out_value)
pred_texts = self.decode_batch(net_out_value)
return pred_texts
Думаю, что со временем, мы проапдейтим эту часть кода таким образом чтоб можно было проанализировать вероятности по каждому распознаному символу.
from nomeroff-net.
Спасибо за информацию
from nomeroff-net.
Маска
NP = nnet.detect([resized_img])
print("[INFO] MASK SCORE:", [np["scores"] for np in NP])
Классификатор
regionIds, stateIds, countLines, classification_score = optionsDetector.predict(zones, return_acc=True)
print("[INFO] CLASSIFICATION SCORE:", classification_score)
Нахождение текста
textArr, ocr_score = textDetector.predict(zones, regionNames, countLines, return_acc=True)
print("[INFO] OKR SCORE:", ocr_score)
from nomeroff-net.
В нашем коде есть переменная в которую поступает вероятность нахождения символа на заданой позиции. Там можно по разному считать общий результат, можете с этим поэкспериментировать самостоятельно и возвращать себе обобщенный результат. Мы это не реализовывали.
Посмотрите переменную net_out_valuehttps://github.com/ria-com/nomeroff-net/blob/master/NomeroffNet/Base/OCR.py
def predict(self, imgs, *argv): Xs = [] for img in imgs: x = self.normalize(img) Xs.append(x) pred_texts = [] if bool(Xs): net_out_value = self.MODEL.predict(np.array(Xs)) #print(net_out_value) pred_texts = self.decode_batch(net_out_value) return pred_textsДумаю, что со временем, мы проапдейтим эту часть кода таким образом чтоб можно было проанализировать вероятности по каждому распознаному символу.
Добрый день.
Такой вопрос: каким образом можно расчитать общий результат вероятности? Как я понял, predict возвращает массив прогнозирований. Каким образом возможно рассчитать точность/уверенность?
from nomeroff-net.
Related Issues (20)
- Вырезание номеров из фото HOT 5
- Dataset for Detection + OCR pipeline and comparison with Nomeroff-Net HOT 2
- ModuleNotFoundError: No module named 'modelhub_client' HOT 6
- Failed to run get-started-demo.py in docker container HOT 3
- обучать пользовательский набор данных HOT 7
- I have error about checkpoint HOT 5
- KeyError: 'pytorch-lightning_version' HOT 3
- How to train OCR model? HOT 3
- ImportError: cannot import name 'efficientnet_v2_s' from 'torchvision.models' HOT 1
- when change name of folder nomer_net code not work HOT 5
- Size of docker image HOT 1
- Multiline example doesn't return correct recognitions
- draw rectangle bbox on plate HOT 4
- Некорректное распознавание российских номер с регионом 799, 977 HOT 1
- Некорректное распознавание номеров в 3 строки
- Ошибка при установке пакета в req.txt HOT 1
- Columns and DataType Not Explicitly Set on line 157 of datasets_tools.py
- Error in nomeroff-net setup command: 'install_requires' HOT 1
- Label 'md' not in dict_keys && Label changed on default 'eu_ua_2015'
- Realtime Video performance / Benchmrk
Recommend Projects
-
React
A declarative, efficient, and flexible JavaScript library for building user interfaces.
-
Vue.js
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
-
Typescript
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
-
TensorFlow
An Open Source Machine Learning Framework for Everyone
-
Django
The Web framework for perfectionists with deadlines.
-
Laravel
A PHP framework for web artisans
-
D3
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
-
Recommend Topics
-
javascript
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
-
web
Some thing interesting about web. New door for the world.
-
server
A server is a program made to process requests and deliver data to clients.
-
Machine learning
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
-
Visualization
Some thing interesting about visualization, use data art
-
Game
Some thing interesting about game, make everyone happy.
Recommend Org
-
Facebook
We are working to build community through open source technology. NB: members must have two-factor auth.
-
Microsoft
Open source projects and samples from Microsoft.
-
Google
Google ❤️ Open Source for everyone.
-
Alibaba
Alibaba Open Source for everyone
-
D3
Data-Driven Documents codes.
-
Tencent
China tencent open source team.
from nomeroff-net.