Chloe branch db net readme cn

configs/det/README_CN.md

@@ -0,0 +1,118 @@
+# DBNet
+
+<!--- Guideline: use url linked to abstract in ArXiv instead of PDF for fast loading.  -->
+
+> [Real-time Scene Text Detection with Differentiable Binarization](https://arxiv.org/abs/1911.08947)
+
+## 概述
+
+DBNet是一种基于分割的场景文本检测算法。在场景文本检测中，基于分割这类算法可以更加准确的描述各种形状的场景文本（比如弯曲形状的文本），而变得越来越流行。现有的基于分割的业界领先算法存在的缺陷是，概率图转化为文本框的二值化后处理过程通常需要人为设置一个阈值，而且后处理的聚合像素点的操作非常复杂且费时。
+
+为了避免上述问题，DBNet在网络架构中集成了一个叫作“可微分二值化（Differentiable Binarization）”的自适应阈值。可微分二值化简化了后处理过程，增强了文本检测的性能。此外，在推理阶段移除该部分不会使性能降低[[1](#references)]。
+
+![dbnet_architecture](https://user-images.githubusercontent.com/16683750/225589619-d50c506c-e903-4f59-a316-8b62586c73a9.png)
+<p style="text-align: center;"><em>图 1. DBNet整体架构图</em></p>
+
+DBNet的整体架构图如图1所示，包含以下阶段:
+
+1. 使用Resnet-50作为骨干网络，从2，3，4，5阶段进行不同层级的特征提取；
+2. 将提取到的特征放大，并以级联的方式与前一阶段提取到的特征加和；
+3. 将第2阶段的特征再次放大到与最大的特征图相同的尺寸，并沿着通道轴连接。
+4. 在最后的特征图（图中的深蓝色块）上应用3×3的卷积算子，和两个步长为2的去卷积算子来预测概率图和阈值图；
+5. 通过可微分二值化将概率图和阈值图合并为一个近似二值图单元近似二值图，并生成文本边界框。
+
+## 实验结果
+
+### ICDAR2015
+
+| **模型** | **骨干** | **预训练模型** | **Recall** | **Precision** | **F-score** |
+|-----------|--------------|----------------|------------|---------------|-------------|
+| DBNet     | ResNet-50    | ImageNet       | 81.70%     | 85.84%        | 83.72%      |
+
+## 快速上手
+
+### 准备
+
+#### 安装
+
+请参考MindOCR套件的 [安装指南](https://github.com/mindspore-lab/mindocr#installation) .
+
+### 数据集准备
+
+首先，需要对数据集标签进行转换，下载数据集 [ICDAR2015](https://rrc.cvc.uab.es/?ch=4&com=downloads)，分别提取图片和标签到指定文件夹。然后，使用如下命令来生成训练集标签:
+
+```shell
+python tools/dataset_converters/convert.py --dataset_name=ic15 --task=det --image_dir=IMAGES_DIR --label_dir=LABELS_DIR --output_path=OUTPUT_PATH
+```
+
+按照同样的方法生成测试集标签。
+
+生成标签文件后，在配置文件`configs/det/db_r50_icdar15.yaml` 中更新如下文件路径：
+
+```yaml
+...
+train:
+  ckpt_save_dir: './tmp_det'
+  dataset_sink_mode: True
+  dataset:
+    type: DetDataset
+    dataset_root: /data/ocr_datasets                                  <------ 这里
+    data_dir: ic15/text_localization/train                            <------ 这里
+    label_file: ic15/text_localization/train/train_icdar15_label.txt  <------ 这里
+...
+eval:
+  dataset_sink_mode: False
+  dataset:
+    type: DetDataset
+    dataset_root: /data/ocr_datasets                                  <------ 这里
+    data_dir: ic15/text_localization/test                             <------ 这里
+    label_file: ic15/text_localization/test/test_icdar2015_label.txt  <------ 这里
+...
+```
+
+### 配置说明
+
+_DBNet_ 由3个部分组成: `backbone`, `neck`, and `head`. 具体来说:
+
+```yaml
+model:
+  type: det
+  transform: null
+  backbone:
+    name: det_resnet50  # 暂时只支持ResNet50
+    pretrained: True    # 是否使用ImageNet数据集上的预训练权重
+  neck:
+    name: DBFPN         # DBNet的特征金字塔网络
+    out_channels: 256
+    bias: False
+    use_asf: False      # DBNet++的自适应尺度融合模块 (仅供DBNet++使用)
+  head:
+    name: DBHead
+    k: 50               # 可微分二值化的放大因子
+    bias: False
+    adaptive: True      # 训练时设置为True, 推理时设置为False
+```
+
+[comment]: <> (_DBNet_和_DBNet++的唯一区别在于_Adaptive Scale Fusion_ module, 在`neck`模块中的 `use_asf`参数进行设置。)
+
+### 训练
+
+在准备好数据集并完成配置文件后，可以使用如下命令开始训练：
+
+```shell
+python tools/train.py -c=configs/det/db_r50_icdar15.yaml
+```
+
+### 评估
+
+可以使用 `eval.py`文件来评估训练模型的准确性, 请在`eval`部分 **增加** 一个新的配置文件参数 **ckpt_load_path** 并将其设置为模型checkpoint文件路径，然后运行：
+
+```shell
+python tools/eval.py -c=configs/det/db_r50_icdar15.yaml
+```
+
+## 参考文献
+
+<!--- Guideline: Citation format GB/T 7714 is suggested. -->
+
+[1] Minghui Liao, Zhaoyi Wan, Cong Yao, Kai Chen, Xiang Bai. Real-time Scene Text Detection with Differentiable Binarization. arXiv:1911.08947, 2019