DBnet检测加分类，提取身份证要素

DBnet文本检测网络加入多分类，可以实现模型很小又能够区分类别的功能，然后可以根据检测框的标签快速提取目标字段，在端侧部署的话就能达到非常高的精度和效率。

1.标注数据

标注方法和标注目标检测的数据一样，一个框加一个标签

pip install labelImg ==1.8.6

安装完毕后，键入命令：

labelImg

或者下载工具 labelImg.exe链接：https://pan.baidu.com/s/14iBlyr3ahhymMukeWjtTEA 提取码：c1dx

二 . 数据增强

步骤：

1.将标注数据集的标签（xml文件）放入./DataAugForObjectDetection/data/Annotations

2.将标注数据集的图片放入./DataAugForObjectDetection/data/images

3.修改./DataAugForObjectDetection/DataAugmentForObejctDetection.py/中的need_aug_num，即每张图片需要扩增的数量，然后运行./DataAugForObjectDetection/DataAugmentForObejctDetection.py

注意：DataAugmentForObejctDetection_pool.py 是多进程增强版本，耗时较少。代码中的process不宜设置过大否则可能会报错，默认即可。

三. 格式转换

将标注的数据集转换成 dbnet 训练需要用到的格式。

步骤：

1.将标注数据集的标签（xml文件）放入Annotations，图片放入images;

2.修改voc_to_coco.py的输入输出路径，并运行，然后手动分开训练集和测试集;

3.修改get_train_list.py 的输入输出路径，并运行。训练集运行一次，测试集运行一次。

四. 修改模型配置文件

修改模型配置文件 config/det_DB_resnet50_mul.yaml

修改为三.3生成的数据集文件路径

五. 开启训练

修改det_train.py 的模型配置文件路径，并运行

六. 测试

修改det_infer.py的模型路径、模型文件路径、和图片路径

项目全部代码，预训练模型获取方式：

关注微信公众号 datanlp 然后回复 db分类 即可获取。

搜索公众号添加： datanlp

长按图片，识别二维码

效果展示

dbnet不仅检测出文本行，还自动给文本行分类标签，一个框一个标签，可以按标签提取目标文本行。