Точность about nomeroff-net HOT 6 CLOSED

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:

1. MaskRCNN, которая определяет зоны с номерами, котороые, в дальнейшем, будут распознаваться.
2. Классификатор зон, который определяет какой страны номер, замазан ли номер, сколько линий с текстом на номере
3. 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_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.

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.