viettel_table_structure_recognition

VHAC 2023 - OCR - Table structure recognition

Cài đặt môi trường

CUDA drive 12.0
Docker images: nvcr.io/nvidia/pytorch:23.08-py3

docker pull nvcr.io/nvidia/pytorch:23.08-py3

• Install pytorch nightly cho cuda 12.0:

pip3 install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu121

• Install mmcv-1.5.0 từ source:

curl https://codeload.github.com/open-mmlab/mmcv/zip/refs/tags/v1.5.0 -o mmcv-1.5.0.zip
unzip -qq mmcv-1.5.0.zip
cd mmcv-1.5.0

• Vào file setup.py sửa tất cụm từ "-std=c++14" thành "-std=c++17", sau đó bắt đầu install mmcv-1.5.0:

export MMCV_WITH_OPS=1
export FORCE_CUDA=1
pip install -e . -v

• Install requirements cho internimage:

pip install timm==0.6.11 mmdet==2.28.1
pip install opencv-python termcolor yacs pyyaml scipy

• Compile CUDA operators cho internimage:

cd viettel_table_structure_recognition/cell_detection/ops_dcnv3
sh ./make.sh

Huấn luyện mô hình

• Tải dữ liệu huấn luyện về và lưu vào thư mục table:

mkdir table

• Tạo coco annotations dùng để huấn luyện:

cd process_data
python create_coco_anno.py

• Cấu trúc thư mục table:

table/
    ├── train
    │   ├── 0000.jpg
    │   ├── 0000.json
    │   ├── ...
    ├── train.json

• Huấn luyện

cd cell_detection
./train.sh

Inference

• Inference notebook: https://www.kaggle.com/code/huyduong7101/vhac2023-ocr-inference
• Weights: https://www.kaggle.com/datasets/quan0095/tablerecognitionmodel

Authors

Vũ Minh Quân ([email protected])
Lê Huy Dương ([email protected])