ocr_accuracy
最后更新
luxonis_train.attached_modules.metrics.ocr_accuracyOCR 预测的精确匹配准确率。该指标还给出了恰好有一个和恰好有两个错误字符的文本的比例。类
OCRAccuracy
输入::predictions(Tensor): [B, T, C] logitstarget(Tensor): [B, S] 字符代码,0填充
输出::Tensor: 标量,精确匹配的比例rank_0,rank_1,rank_2(Tensor): 标量,恰好有0、1或2个错误字符的文本的比例
公式:: 该指标贪婪地解码每个预测。它在每一步选择具有最高 logit 的类,并将每个相同类的运行合并为一个类。然后它删除blank_class并用0填充结果到 T 个位置。节点的encoder将目标字符转换为类索引。该指标用blank_class填充较短的目标,并将较长的目标裁剪到 T 个位置。它逐位比较两个序列。具有 e ≤ 2 个不同位置的文本计入rank_e。具有更多不同位置的文本不计入任何 rank。
参考
- 来源:本项目。
- 许可证:Apache-2.0(本项目)
注意事项
- 比较不是编辑距离。缺失的字符会使其后的字符移位,每个移位的位置都算作错误。
- 位置 T 之后的字符不计入。
- OCRCTCHead 的编码器使用类
0作为空白和填充。使用另一个blank_class,解码会保留头的空白。指标添加到目标的每个位置也算作错误。
示例
附加到
model.nodes 中的 OCRCTCHead:Yaml
1- name: OCRCTCHead
2 inputs: [SVTRNeck]
3 metrics:
4 - name: OCRAccuracy兼容::- 由以下使用:OCRRecognitionModel
- 节点:OCRCTCHead
方法
init
Python
1def __init__(blank_class: int = 0, **kwargs):blank_class(int): CTC 空白的类索引。解码会从预测中删除它,指标会用它填充目标。保持0,即 OCRCTCHead 编码器的空白。**kwargs: 转发给 BaseMetric 的关键字参数,例如node。
compute
Python
1def compute(self) -> tuple[Tensor, dict[str, Tensor]]:示例
字母表
["a", "b"] 给出空白、"a" 和 "b" 类。第一个文本解码为 "ab"。第二个文本解码为 "aa",其中有一个错误字符:Pycon
1>>> import torch
2>>> import torch.nn.functional as F
3>>> from torch import Size
4>>> from luxonis_train.nodes import OCRCTCHead
5>>> head = OCRCTCHead(
6... alphabet=["a", "b"],
7... input_shapes=[{"features": [Size([1, 8, 1, 4])]}],
8... )
9>>> metric = OCRAccuracy(node=head)
10>>> classes = torch.tensor([[1, 1, 2, 0], [1, 0, 1, 0]])
11>>> text = torch.tensor([[97, 98], [97, 98]])
12>>> metric.update(F.one_hot(classes, 3).float(), text)
13>>> accuracy, ranks = metric.compute()
14>>> accuracy.item(), ranks["rank_1"].item()
15(0.5, 0.5)tuple[Tensor, dict[str, Tensor]]: 精确匹配的比例,以及一个包含键"rank_0"、"rank_1"和"rank_2"的字典。"rank_k"是恰好有k个错误字符的文本的比例。所有值都是标量。当自上次reset以来没有运行 update 时,它们是NaN。
update
Python
1def update(predictions: Tensor, target: Tensor):0、1 和 2 个错误字符的文本数量添加到 rank_0、rank_1 和 rank_2。它将批次大小添加到 total。类文档字符串描述了解码和比较。参数predictions(Tensor): 形状为[B, T, C]的 logits,是节点的主要输出。target(Tensor): 文本的字符代码,形状为[B, S],用0填充。它是任务的metadata/text标签。