# aster

**Repository Path**: ali-1998/aster

## Basic Information

- **Project Name**: aster
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2024-08-31
- **Last Updated**: 2024-08-31

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

#ASTER：具有灵活校正功能的注意力场景文本识别器

ASTER是一种具有灵活校正机制的精确场景文本识别器。研究论文可以在[这里]找到(https://ieeexplore.ieee.org/abstract/document/8395027/).

![ASTER概述]（Overview.png）

ASTER的实现重用[Tensorflow Object Detection API]中的代码(https://github.com/tensorflow/models/tree/master/research/object_detection).

##更新
**[2019年7月13日]PyTorch[端口](https://github.com/ayumiymk/aster.pytorch)由[@ayumiymk]制作(https://github.com/ayumiymk).**

##更正（2018年10月22日）

我们发现了一个在代码中意外产生的错误，该错误只导致部分SVT图像被测试，并导致更高的结果。该错误已在commit[a7e8613]中修复(https://github.com/bgshih/aster/commit/a7e8613d6308e5a7aacb1237dfa0286d73cef342). 以下是SVT上的更正数字。结果仍然是最先进的，因此结论不受影响。

-SVT（50）ASTER:97.4%；星A：96.3%；星B：96.1%；
-SVT（无）：ASTER:89.5%；星A：80.2%；星B：81.6%


##先决条件

ASTER是用**TensorFlow r1.4**开发和测试的。更高版本可能不起作用。

ASTER需要[协议缓冲区](https://github.com/google/protobuf)（版本>=2.6）。此外，在Ubuntu 16.04中：
```
sudo apt安装cmake libcupti开发
pip3安装--用户protobuf tqdm numpy editdistance
```

##安装
1.转到“c_ops/”并运行“build.sh”来构建自定义运算符
2.执行`protocaster/protos/*.proto--python_out=.`构建protobuf文件
3.在“PYTHONPATH”中添加“/path/to/aster”，或为每次运行设置此变量

##演示

演示程序位于`aster/demo.py `，并附有预训练的模型文件，可在我们的[发布页面]上找到(https://github.com/bgshih/aster/releases). 在运行演示之前，下载“model demo.zip”并将其解压缩到“aster/presidents/demo/”下。

要运行演示，只需执行：

```
python3 aster/demo.py
```

这将输出演示图像和校正图像的识别结果。

##培训和飞行评估

几个流行场景文本数据集的数据准备脚本位于“aster/tools”下。请参阅他们的源代码以了解用法。

要运行示例培训，请执行

```
python3 aster/train.py\
--exp_dir实验/演示\
--num_clones 2
```

更改“experiments/aster/trainval.prototxt”中的配置，以配置您自己的训练过程。

在培训过程中，您可以运行一个单独的程序来重复评估生成的检查点。

```
python3 aster/eval.py\
--exp_dir实验/演示
```

评估配置也在“trainval.prototxt”中。

##引文

如果你发现这个项目对你的研究有帮助，请引用以下论文：

```
@文章{bshi2018aster，
作者：施宝光
杨明坤和
王兴刚和
吕鹏源
丛瑶和
向白，
title={ASTER:一种具有灵活校正的注意力场景文本识别器}，
journal＝{IEEE模式分析和机器智能汇刊}，
体积＝{}，
数字＝{}，
页面＝{1-1}，
年份＝｛2018｝，
}

@正在进行中{ShiWLYB16，
作者：施宝光
王兴刚和
吕鹏源
丛瑶和
向白，
title={具有自动校正的鲁棒场景文本识别}，
booktitle={2016{IEEE}计算机视觉与模式识别会议，
{CVPR}2016年，美国内华达州拉斯维加斯，2016年6月27日至30日}，
页数＝{4168--4176}，
年份=｛2016｝
}
```

重要提示：尽管此软件在麻省理工学院获得许可，但我们的目的是使其免费用于学术研究目的。如果您打算在产品中使用它，我们建议您[联系我们](xbai@hust.edu.cn)关于可能的专利问题。