D_ontory : 개발스토리

PaddleOCR recognition model 학습을 완료했다.tools/eval.py 로 테스트를 진행해 보았고, gpu를 사용하여 inference 결과도 보고 싶어서 모델을 export_model 을 적용하여  inference 용 모델로 전환하려했다. python3 tools/export_model.py -c /workspace/PaddleOCR/output/rec_ppocr_v3_korean_v4/config.yml -o Global.pretrained_model=./output/rec_ppocr_v3_korean_v4/best_accuracy Global.save_inference_dir=./inference/korean_PP-OCRv3_rec/W0610 10:30:36.766150 179..

OCR 이란?결론부터 말하자면, EasyOCR 과 PaddleOCR 을 비교해본 결과 PaddleOCR 의 인식률이 더 좋았다.그 전에 OCR에 대해 간단하게 설명하자면, OCR은 크게 두가지 모델이 사용된다.1. Text Detection (어디쯤에 글자라는게 있는지 찾음)2. Text Recognition (찾은 영역에 있는글자가 어떤 글자인지 인식함)    PaddleOCR 실험 결과 PaddleOCR 은 중국 Baidu PaddlePaddle 에서 개발한 OCR 라이브러리다.성능도 향상시키고, 경량화도 진행하여 CPU 환경에서도 테스트가 수월하게 가능하다.테스트 데이터는 AIHUB에서 제공하는 책표지 데이터셋이다. 추후 학습 데이터로도 사용할 수 있을 것 같다. https://github.com/..

paddleocr 을 사용하여 한국어 ocr  finetuning 학습을 진행하려 한다.multi-gpu 사용하여 학습 진행할 예정이었는데, 내가 사용할 gpu는 2,3번 gpu 였다.애초에 docker container 생성할 때도 (nvidia-docker container 사용) 사용 gpu를 2,3으로 제한해두었는데 학습을 진행하려고하니 gpu 관련 오류가 떴다. paddleOCR fine-tuning gpu error  ValueError: substring not found 최종적으로는 gpu 오류가 맞았고,해당 컨테이너에서 nvidia-smi 를 통해 gpu 번호를 확인해 보았다.   총 4개의 gpu 중 2,3을 사용 gpu로 가지고왔는데 컨테이너 내에서 nvidia-smi 로 확인해보니 ..

전원 연결하기 처음이라 잘 알지 못했지만, 검색해보니 배럴잭을 사용하는 것이 좋다고 합니다. 하지만, 저는 그런걸 준비하지 못했으므로, 일반 5핀으로 아주 어렵게 개발을 진행했습니다. 일반적인 핸드폰 충전기로는 아예 전원이 들어오지 않아서, 그나마 전력량이 높은 아이패드용 충전기를 사용했습니다. 그리고, 일반 5핀 케이블로는 되지 않아서, 키보드용 usb 선을 사용했습니다. 전원까지 연결하는데 한시간 정도 할애한 것 같습니다. 처음이라, 전력량이 모자라서 전원이 안들어올 줄은 상상도 못했거든요.... 아무튼간에, 전력이 부족하면 nvidia 라는 화면만 떴다가 꺼지길 반복합니다.. 결론 : 그냥 배럴잭을 사는것이 좋다. + 점퍼.... 아무튼간에, 전력을 충분히 공급할 수 있고, 전원도 들어온다 싶으면 ..

import sys import os import glob import json def json2txt(jsonfile) : tom = (item for item in json_data) dict = next(tom, False) ID = dict['Name'] x = dict['Point(x,y)'].split(',')[0] y = dict['Point(x,y)'].split(',')[1] W = dict['W'] H = dict['H'] # print(ID+x+y+W,H) return ID, x, y, W, H dir_path = "/content/drive/MyDrive/Colab Notebooks/yolo_data_preprocessing/mini_sample/" def sum_class(path..