PSENet-Plus

PSENet Pytorch版本的优化与增强（python2.7or3.6 + Pytorch1.3)

原作者版本：https://github.com/whai362/PSENet

新版本特性：

• 原作者pretrained-ic15模型在一般场景下表现不佳，本文在超过20K的数据样本上训练得到新模型。模型地址：https://pan.baidu.com/s/13VX--LLh2_AEzNjOgaB_Lw 请勿商用。

• 在训练代码中增添Tensorboard可视化。

  

• 增添了单张图片测试pse_enjoy.py并封装，易于移植到综合项目。

• pse_enjoy.py支持CPU模式，但注意训练和批测试仍需在CUDA环境中进行。

• 优化pse中c++内容，提高推理速度。(not released at present for IP reason)

• 迁移到python3.6环境。（python2.7版本和python3.6版本切换，解决方案如下）

  修改pse/include/pybind11/detail/common.h中的第112~114：

  #include <python3.6m/Python.h>

  #include <python3.6m/frameobject.h>

  #include <python3.6m/pythread.h>

  为：

  #include <python2.7/Python.h>

  #include <python2.7/frameobject.h>

  #include <python2.7/pythread.h>

  主要是pybind的写法原因，通常可在usr/include目录下找需要的python版本头文件

新版本说明：

• 训练：注意batchsize与GPU显存的匹配，24G TITAN 单张 只能支持batchsize = 8(约占用15G显存)

$ CUDA_VISBLE_DEVICES=0,1,2 python pse_train.py (--flags)

• 批量测试：将测试图片直接放在./testdata目录下即可，可在./testdata_results里看结果

$ python pse_test.py (--flags)

• 单张测试：

$ python pse_enjoy.py --imgfile XXX.png --modelpath YYY/checkpoint.pth.tar

• 如果报pse错，请重新编译pse文件夹中c++工程
• 如果编译后找不到.so文件，不要忘记修改环境变量，使支持c++opencv

$ export PKG_CONFIG_PATH=/mnt/lrzhang/opencv-3.4.6/build/install/lib64/pkgconfig:$PKG_CONFIG_PATH
$ export LD_LIBRARY_PATH=/mnt/lrzhang/opencv-3.4.6/build/install/lib64/:$LD_LIBRARY_PATH

在ICPR2018淘宝测试集上:

在MSRA-TD500微软测试集上：