YuzuMarker.FontDetection

项目简介

YuzuMarker.FontDetection

YuzuMarker.FontDetection 是一个用于识别中日韩（CJK）字体的模型。这是首个专注于中日韩字体识别的项目，具有划时代的意义，尤其是在处理这些亚洲文字时。

项目背景和意义

在图像处理中，识别文本字体是一项复杂而重要的任务。不同的字体类型在视觉传达和设计中扮演着重要的角色。YuzuMarker.FontDetection 通过结合现代深度学习技术，为中日韩文字的字体检测提供了高效且准确的解决方案。

数据集生成

场景文本字体数据集生成

该项目不仅涉及模型的开发，还包括自动生成具有不同字体的场景文本图像数据集。这个数据集的生成依赖于VCB-Studio的CJK字体包和来自 pixiv.net 的数千张背景图片。

数据准备过程

1. 下载CJK字体包，并将其解压到 dataset/fonts 目录。
2. 准备背景数据，并存放到 dataset/pixivimages 目录。
3. 使用提供的脚本清理文件名：

   python dataset_filename_preprocess.py

数据生成脚本

准备完成后，可以使用以下命令生成数据集：

python font_ds_generate_script.py 1 1

这套脚本可以将任务划分为多个部分并行执行，以加速数据生成过程。最后生成的数据集将被保存在 dataset/font_img 目录中。

错误图像检测与修复

脚本提供了缓存机制，以防止任务意外中断时重复生成相同的图像。此外，还有检测已生成数据集中损坏图像和标签的功能：

python font_ds_detect_broken.py

运行此脚本后，可以重新运行数据生成脚本以补全被移除的损坏文件。

模型训练

在准备好数据集后，模型训练便可以开始。该项目支持使用多个不同的模型结构，如 ResNet 和 DeepFont，参数配置灵活：

$ python train.py -h

这将显示所有可选参数，包括设备选择、批量大小、模型类型、是否使用预训练模型、数据增广策略等。

字体分类实验结果

在实验过程中，多种模型架构和参数组合被用来评估字体识别的准确性。以下是部分实验结果的展示：

• ResNet-18 开启数据增广后的准确率最高可达约38.87%。
• 模型的表现依赖于不同的输入尺寸、学习率和数据增广策略。

演示部署

方法一：本地部署

用户可通过以下步骤来部署本地演示：

1. 生成字体样本图像（如果有字体数据集）：

   python generate_font_sample_image.py

2. 启动演示服务器：

   python demo.py -h

方法二：Docker 部署

如果机器上安装了 Docker，可以通过 Docker 快速部署：

1. 构建 Docker 镜像：

   docker build -t yuzumarker.fontdetection .

2. 运行 Docker 容器：

   docker run -it -p 7860:7860 yuzumarker.fontdetection

在线演示

项目已部署在 Huggingface Space 上，用户可以通过远程访问体验模型的实际效果。

相关文献与资源

此项目的开发借鉴于行业内的一些相关研究，例如 DeepFont、SwordNet 等。为使用 YuzuMarker.FontDetection 进行学术研究与引用，用户可以参考文献目录中的正确引用格式。

总结

YuzuMarker.FontDetection 是一个功能强大的字体识别工具，支持对中日韩文字的自动检测和分类。该工具不但具备生成多样化训练数据集的功能，其优化的训练策略也可支持大规模并行处理，是文本图像识别中一个不可或缺的利器。