概述
简述
AdvancedEast是场景文字检测算法，基于EAST算法，对EAST在长文本检测地方的缺陷进行了重大改进，使长文本预测更加准确。总体来说AdvancedEast检测算法在多角度文字检测方面表现良好，没有明显的缺陷。
参考实现：
url=https://github.com/BaoWentz/AdvancedEAST-PyTorch commit_id=a835c8cedce4ada1bc9580754245183d9f4aaa17适配昇腾 AI 处理器的实现：
url=https://gitee.com/ascend/ModelZoo-PyTorch.git code_path=PyTorch/contrib/cv/detection
准备训练环境
准备环境
当前模型支持的 PyTorch 版本和已知三方库依赖如下表所示。
表 1 版本支持表
Torch_Version 三方库依赖版本 PyTorch 1.5 torchvision==0.2.2.post3；pillow==8.4.0 PyTorch 1.8 torchvision==0.9.1；pillow==9.3.0 环境准备指导。
请参考《Pytorch框架训练环境准备》。
安装依赖。
在模型源码包根目录下执行命令，安装模型对应PyTorch版本需要的依赖。
pip install -r 1.5_requirements.txt # PyTorch1.5版本 pip install -r 1.8_requirements.txt # PyTorch1.8版本说明： 只需执行一条对应的PyTorch版本依赖安装命令。
准备数据集
获取数据集。
请用户自行获取数据集，分别下载ICPR_text_train_part2_20180313.zip和ICPR_text_train_part1_20180316.zip两个压缩包，在源码包根目录下新建目录icpr和子目录icpr/image_10000、icpr/txt_10000，将压缩包中image_9000、image_1000中的图片文件解压至image_10000中，将压缩包中txt_9000、txt_1000中的标签文件解压至txt_10000中。
数据集目录结构参考如下所示。
├── icpr ├──image_10000 │──图片1 │──图片2 │ ... ├──txt_10000 │──标注1 │──标注2 │ ...说明： 该数据集的训练过程脚本只作为一种参考示例。
数据预处理（在源码包根目录下执行以下命令）。
bash test/prep_dataset.sh
开始训练
训练模型
进入解压后的源码包根目录。
cd /${模型文件夹名称}运行训练脚本。
该模型支持单机单卡训练和单机8卡训练。依次训练size为256x256，384x384，512x512，640x640，736x736的图片，每个size加载上个size的训练结果，加速模型收敛。
单机单卡训练
启动单卡训练。
bash ./test/train_performance_1p.sh # 单卡性能单机8卡训练
启动8卡训练。
bash ./test/train_performance_8p.sh # 8卡性能 bash ./test/train_full_8p.sh # 8卡精度 # 默认依次训练256，384，512，640，736五个size，可以指定要训练size，用于恢复中断的训练，例如 `bash test/train_full_8p.sh 640 736`
模型训练脚本参数说明如下。
公共参数： --apex //是否使用混合精度 --device //设置训练设备 --img_path //设置图片加载路径 --epoch_num //设置训练周期数训练完成后，权重文件保存在当前路径下，并输出模型训练精度和性能信息。
训练结果展示
表 2 训练结果展示表（pytorch1.5)
| Size | F1-score | FPS | Npu_nums | Epochs | AMP_Type |
|---|---|---|---|---|---|
| 256 | - | 254 | 1 | - | O1 |
| 256 | - | 1075 | 8 | 60 | O1 |
| 384 | - | 118 | 1 | - | O1 |
| 384 | - | 680 | 8 | 60 | O1 |
| 512 | - | 63 | 1 | - | O1 |
| 512 | - | 400 | 8 | 60 | O1 |
| 640 | - | 37 | 1 | - | O1 |
| 640 | - | 243 | 8 | 60 | O1 |
| 736 | - | 34 | 1 | - | O1 |
| 736 | 62.41% | 218 | 8 | 60 | O1 |
表 3 训练结果展示表（pytorch1.8)
| Size | F1-score | FPS | Npu_nums | Epochs | AMP_Type |
|---|---|---|---|---|---|
| 256 | - | 306.044 | 1 | - | O1 |
| 256 | - | 1876.826 | 8 | 60 | O1 |
| 384 | - | 147.237 | 1 | - | O1 |
| 384 | - | 978.686 | 8 | 60 | O1 |
| 512 | - | 82.347 | 1 | - | O1 |
| 512 | - | 569.184 | 8 | 60 | O1 |
| 640 | - | 47.418 | 1 | - | O1 |
| 640 | - | 361.766 | 8 | 60 | O1 |
| 736 | - | 38.31 | 1 | - | O1 |
| 736 | 62.47% | 273.019 | 8 | 60 | O1 |
版本说明
变更
2023.03.03：更新readme，重新发布。
2020.08.26：首次发布。
FAQ
无。