基于轻量级YOLOv5开发构建汉字检测识别分析系统

汉字检测、字母检测、手写数字检测、藏文检测、甲骨文检测在我之前的文章中都有做过了，今天主要是因为实际项目的需要，之前的汉字检测模型较为古老了还使用的yolov3时期的模型，检测精度和推理速度都有不小的滞后了，这里要基于yolov5轻量级的模型来开发构建新版的目标检测模型，首先看下效果图：

接下来简单看下数据集情况：

YOLO格式标注文件截图如下：

实例标注内容如下所示：

17 0.245192 0.617788 0.038462 0.038462
6 0.102163 0.830529 0.045673 0.045673
16 0.894231 0.096154 0.134615 0.134615
4 0.456731 0.524038 0.134615 0.134615
15 0.367788 0.317308 0.269231 0.269231

VOC格式数据标注文件截图如下：

实例标注内容如下所示：

<annotation><folder>DATASET</folder><filename>0ace8eaf-8e86-488b-9229-95255c69158c.jpg</filename><source><database>The DATASET Database</database><annotation>DATASET</annotation><image>DATASET</image></source><owner><name>YMGZS</name></owner>    <size><width>416</width><height>416</height><depth>3</depth></size><segmented>0</segmented><object>        <name>17</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>214</xmin><ymin>302</ymin><xmax>230</xmax><ymax>318</ymax></bndbox></object><object>        <name>16</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>210</xmin><ymin>67</ymin><xmax>229</xmax><ymax>86</ymax></bndbox></object><object>        <name>18</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>260</xmin><ymin>7</ymin><xmax>274</xmax><ymax>21</ymax></bndbox></object><object>        <name>10</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>121</xmin><ymin>103</ymin><xmax>143</xmax><ymax>125</ymax></bndbox></object><object>        <name>11</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>296</xmin><ymin>289</ymin><xmax>352</xmax><ymax>345</ymax></bndbox></object><object>        <name>0</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>56</xmin><ymin>132</ymin><xmax>196</xmax><ymax>272</ymax></bndbox></object><object>        <name>0</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>213</xmin><ymin>142</ymin><xmax>353</xmax><ymax>282</ymax></bndbox></object></annotation>

因为是主打轻量级网络，这里选择了也是最为轻量级的n系列的模型，最终训练得到的模型文件不足4MB大小，网络结构图如下所示：

默认100次epoch的计算，结果目录如下所示：

【混淆矩阵】

【F1值曲线】

【PR曲线】

【训练日志可视化】

【batch计算实例】

可视化界面推理样例如下：

从评估指标结果上面来看检测效果还是很不错的。