PULC 语种分类模型

目录

• 1. 模型和应用场景介绍
• 2. 模型快速体验
  • 2.1 安装 paddlepaddle
  • 2.2 安装 paddleclas
  • 2.3 预测
• 3. 模型训练、评估和预测
  • 3.1 环境配置
  • 3.2 数据准备
    • 3.2.1 数据集来源
    • 3.2.2 数据集获取
  • 3.3 模型训练
  • 3.4 模型评估
  • 3.5 模型预测
• 4. 模型压缩
  • 4.1 SKL-UGI 知识蒸馏
    • 4.1.1 教师模型训练
    • 4.1.2 蒸馏训练
• 5. 超参搜索
• 6. 模型推理部署
  • 6.1 推理模型准备
    • 6.1.1 基于训练得到的权重导出 inference 模型
    • 6.1.2 直接下载 inference 模型
  • 6.2 基于 Python 预测引擎推理
    • 6.2.1 预测单张图片
    • 6.2.2 基于文件夹的批量预测
  • 6.3 基于 C++ 预测引擎推理
  • 6.4 服务化部署
  • 6.5 端侧部署
  • 6.6 Paddle2ONNX 模型转换与预测

1. 模型和应用场景介绍

该案例提供了用户使用 PaddleClas 的超轻量图像分类方案（PULC，Practical Ultra Lightweight image Classification）快速构建轻量级、高精度、可落地的语种分类模型。使用该方法训练得到的模型可以快速判断图片中的文字语种，该模型可以广泛应用于金融、政务等各种涉及多语种OCR处理的场景中。

下表列出了语种分类模型的相关指标，前两行展现了使用 SwinTranformer_tiny 和 MobileNetV3_small_x0_35 作为 backbone 训练得到的模型的相关指标，第三行至第六行依次展现了替换 backbone 为 PPLCNet_x1_0、使用 SSLD 预训练模型、使用 SSLD 预训练模型 + EDA 策略、使用 SSLD 预训练模型 + EDA 策略 + SKL-UGI 知识蒸馏策略训练得到的模型的相关指标。其中替换 backbone 为 PPLCNet_x1_0时，将数据预处理时的输入尺寸变为[192,48]，且网络的下采样stride调整为[2, [2, 1], [2, 1], [2, 1], [2, 1]]。

从表中可以看出，backbone 为 SwinTranformer_tiny 时精度比较高，但是推理速度较慢。将 backbone 替换为轻量级模型 MobileNetV3_small_x0_35 后，速度提升明显，但精度有了大幅下降。将 backbone 替换为 PPLCNet_x1_0 且调整预处理输入尺寸和网络的下采样stride时，速度略为提升，同时精度较 MobileNetV3_large_x1_0 高2.43个百分点。在此基础上，使用 SSLD 预训练模型后，在不改变推理速度的前提下，精度可以提升 0.35 个百分点，进一步地，当融合EDA策略后，精度可以再提升 0.42 个百分点，最后，在使用 SKL-UGI 知识蒸馏后，精度可以继续提升 0.14 个百分点。此时，PPLCNet_x1_0 超过了 SwinTranformer_tiny 模型的精度，并且速度有了明显提升。关于 PULC 的训练方法和推理部署方法将在下面详细介绍。

备注：

• 关于PP-LCNet的介绍可以参考PP-LCNet介绍，相关论文可以查阅PP-LCNet paper。

2. 模型快速体验

2.1 安装 paddlepaddle

• 您的机器安装的是 CUDA9 或 CUDA10，请运行以下命令安装

python3 -m pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simple

• 您的机器是CPU，请运行以下命令安装

python3 -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple

更多的版本需求，请参照飞桨官网安装文档中的说明进行操作。

2.2 安装 paddleclas

使用如下命令快速安装 paddleclas

pip3 install paddleclas

2.3 预测

点击这里下载 demo 数据并解压，然后在终端中切换到相应目录。

• 使用命令行快速预测

paddleclas --model_name=language_classification --infer_imgs=pulc_demo_imgs/language_classification/word_35404.png

结果如下：

>>> result
class_ids: [4, 6], scores: [0.88672, 0.01434], label_names: ['japan', 'korean'], filename: pulc_demo_imgs/language_classification/word_35404.png
Predict complete!

备注： 更换其他预测的数据时，只需要改变 --infer_imgs=xx 中的字段即可，支持传入整个文件夹。

• 在 Python 代码中预测

import paddleclas
model = paddleclas.PaddleClas(model_name="language_classification")
result = model.predict(input_data="pulc_demo_imgs/language_classification/word_35404.png")
print(next(result))

备注：model.predict() 为可迭代对象（generator），因此需要使用 next() 函数或 for 循环对其迭代调用。每次调用将以 batch_size 为单位进行一次预测，并返回预测结果, 默认 batch_size 为 1，如果需要更改 batch_size，实例化模型时，需要指定 batch_size，如 model = paddleclas.PaddleClas(model_name="language_classification", batch_size=2), 使用默认的代码返回结果示例如下：

>>> result
[{'class_ids': [4, 6], 'scores': [0.88672, 0.01434], 'label_names': ['japan', 'korean'], 'filename': 'pulc_demo_imgs/language_classification/word_35404.png'}]

3. 模型训练、评估和预测

3.1 环境配置

• 安装：请先参考文档 环境准备 配置 PaddleClas 运行环境。

3.2 数据准备

3.2.1 数据集来源

第1节中提供的模型使用内部数据训练得到，该数据集暂时不方便公开。这里基于 Multi-lingual scene text detection and recognition 开源数据集构造了一个多语种demo数据集，用于体验本案例的预测过程。

3.2.2 数据集获取

第1节中提供的模型共支持10个类别，分别为：

0 表示阿拉伯语（arabic）；1 表示中文繁体（chinese_cht）；2 表示斯拉夫语（cyrillic）；3 表示梵文（devanagari）；4 表示日语（japan）；5 表示卡纳达文（ka）；6 表示韩语（korean）；7 表示泰米尔文（ta）；8 表示泰卢固文（te）；9 表示拉丁语（latin）。

在 Multi-lingual scene text detection and recognition 数据集中，仅包含了阿拉伯语、日语、韩语和拉丁语数据，这里分别将 4 个语种的数据各抽取 1600 张作为本案例的训练数据，300 张作为测试数据，以及 400 张作为补充数据和训练数据混合用于本案例的SKL-UGI知识蒸馏策略实验。

因此，对于本案例中的demo数据集，类别为：

0 表示阿拉伯语（arabic）；1 表示日语（japan）；2 表示韩语（korean）；3 表示拉丁语（latin）。

如果想要制作自己的多语种数据集，可以按照需求收集并整理自己任务中需要语种的数据，此处提供了经过上述方法处理好的demo数据，可以直接下载得到。

备注： 语种分类任务中的图片数据需要将整图中的文字区域抠取出来，仅仅使用文本行部分作为图片数据。

进入 PaddleClas 目录。

cd path_to_PaddleClas

进入 dataset/ 目录，下载并解压多语种场景的demo数据。

cd dataset
wget https://paddleclas.bj.bcebos.com/data/PULC/language_classification.tar
tar -xf language_classification.tar
cd ../

执行上述命令后，dataset/下存在language_classification目录，该目录中具有以下数据：

├── img
│   ├── word_1.png
│   ├── word_2.png
...
├── train_list.txt
├── train_list_for_distill.txt
├── test_list.txt
└── label_list.txt

其中img/存放了 4 种语言总计 9200 张数据。train_list.txt和test_list.txt分别为训练集和验证集的标签文件，label_list.txt是 4 类语言分类模型对应的类别列表，SKL-UGI 知识蒸馏策略对应的训练标签文件为train_list_for_distill.txt。用这些图片可以快速体验本案例中模型的训练预测过程。

备注：

• 这里的label_list.txt是4类语种分类模型对应的类别列表，如果自己构造的数据集语种类别发生变化，需要自行调整。
• 如果想要自己构造训练集和验证集，可以参考PaddleClas分类数据集格式说明 。

3.3 模型训练

在ppcls/configs/PULC/language_classification/PPLCNet_x1_0.yaml中提供了基于该场景的训练配置，可以通过如下脚本启动训练：

export CUDA_VISIBLE_DEVICES=0,1,2,3
python3 -m paddle.distributed.launch \
    --gpus="0,1,2,3" \
    tools/train.py \
        -c ./ppcls/configs/PULC/language_classification/PPLCNet_x1_0.yaml \
        -o Arch.class_num=4

• 由于本文档中的demo数据集的类别数量为 4，所以需要添加-o Arch.class_num=4来将模型的类别数量指定为4。

3.4 模型评估

训练好模型之后，可以通过以下命令实现对模型指标的评估。

python3 tools/eval.py \
    -c ./ppcls/configs/PULC/language_classification/PPLCNet_x1_0.yaml \
    -o Global.pretrained_model="output/PPLCNet_x1_0/best_model" \
    -o Arch.class_num=4

其中 -o Global.pretrained_model="output/PPLCNet_x1_0/best_model" 指定了当前最佳权重所在的路径，如果指定其他权重，只需替换对应的路径即可。

3.5 模型预测

模型训练完成之后，可以加载训练得到的预训练模型，进行模型预测。在模型库的 tools/infer.py 中提供了完整的示例，只需执行下述命令即可完成模型预测：

python3 tools/infer.py \
    -c ./ppcls/configs/PULC/language_classification/PPLCNet_x1_0.yaml \
    -o Global.pretrained_model="output/PPLCNet_x1_0/best_model" \
    -o Arch.class_num=4

输出结果如下：

[{'class_ids': [4, 9], 'scores': [0.96809, 0.01001], 'file_name': 'deploy/images/PULC/language_classification/word_35404.png', 'label_names': ['japan', 'latin']}]

备注：

• 其中 -o Global.pretrained_model="output/PPLCNet_x1_0/best_model" 指定了当前最佳权重所在的路径，如果指定其他权重，只需替换对应的路径即可。
• 默认是对 deploy/images/PULC/language_classification/word_35404.png 进行预测，此处也可以通过增加字段 -o Infer.infer_imgs=xxx 对其他图片预测。
• 预测输出为top2的预测结果，japan 表示该图中文字语种识别为日语，latin 表示该图中文字语种识别为拉丁语。

4. 模型压缩

4.1 SKL-UGI 知识蒸馏

SKL-UGI 知识蒸馏是 PaddleClas 提出的一种简单有效的知识蒸馏方法，关于该方法的介绍，可以参考SKL-UGI 知识蒸馏。

4.1.1 教师模型训练

复用ppcls/configs/PULC/language_classification/PPLCNet/PPLCNet_x1_0.yaml中的超参数，训练教师模型，训练脚本如下：

export CUDA_VISIBLE_DEVICES=0,1,2,3
python3 -m paddle.distributed.launch \
    --gpus="0,1,2,3" \
    tools/train.py \
        -c ./ppcls/configs/PULC/language_classification/PPLCNet_x1_0.yaml \
        -o Arch.name=ResNet101_vd \
        -o Arch.class_num=4

当前教师模型最好的权重保存在output/ResNet101_vd/best_model.pdparams。

备注： 训练ResNet101_vd模型需要的显存较多，如果机器显存不够，可以将学习率和 batch size 同时缩小一定的倍数进行训练。

4.1.2 蒸馏训练

配置文件ppcls/configs/PULC/language_classification/PPLCNet_x1_0_distillation.yaml提供了SKL-UGI知识蒸馏策略的配置。该配置将ResNet101_vd当作教师模型，PPLCNet_x1_0当作学生模型，使用3.2.2节中介绍的蒸馏数据作为新增的无标签数据。训练脚本如下：

export CUDA_VISIBLE_DEVICES=0,1,2,3
python3 -m paddle.distributed.launch \
    --gpus="0,1,2,3" \
    tools/train.py \
        -c ./ppcls/configs/PULC/language_classification/PPLCNet_x1_0_distillation.yaml \
        -o Arch.models.0.Teacher.pretrained=output/ResNet101_vd/best_model \
        -o Arch.class_num=4

当前模型最好的权重保存在output/DistillationModel/best_model_student.pdparams。

5. 超参搜索

在 3.2 节和 4.1 节所使用的超参数是根据 PaddleClas 提供的 超参数搜索策略 搜索得到的，如果希望在自己的数据集上得到更好的结果，可以参考超参数搜索策略来获得更好的训练超参数。

备注： 此部分内容是可选内容，搜索过程需要较长的时间，您可以根据自己的硬件情况来选择执行。如果没有更换数据集，可以忽略此节内容。

6. 模型推理部署

6.1 推理模型准备

Paddle Inference 是飞桨的原生推理库， 作用于服务器端和云端，提供高性能的推理能力。相比于直接基于预训练模型进行预测，Paddle Inference可使用MKLDNN、CUDNN、TensorRT 进行预测加速，从而实现更优的推理性能。更多关于Paddle Inference推理引擎的介绍，可以参考Paddle Inference官网教程。

当使用 Paddle Inference 推理时，加载的模型类型为 inference 模型。本案例提供了两种获得 inference 模型的方法，如果希望得到和文档相同的结果，请选择直接下载 inference 模型的方式。

6.1.1 基于训练得到的权重导出 inference 模型

此处，我们提供了将权重和模型转换的脚本，执行该脚本可以得到对应的 inference 模型：

python3 tools/export_model.py \
    -c ./ppcls/configs/PULC/language_classification/PPLCNet_x1_0.yaml \
    -o Global.pretrained_model=output/DistillationModel/best_model_student \
    -o Global.save_inference_dir=deploy/models/PPLCNet_x1_0_language_classification_infer

执行完该脚本后会在deploy/models/下生成PPLCNet_x1_0_language_classification_infer文件夹，models 文件夹下应有如下文件结构：

├── PPLCNet_x1_0_language_classification_infer
│   ├── inference.pdiparams
│   ├── inference.pdiparams.info
│   └── inference.pdmodel

备注： 此处的最佳权重是经过知识蒸馏后的权重路径，如果没有执行知识蒸馏的步骤，最佳模型保存在output/PPLCNet_x1_0/best_model.pdparams中。

6.1.2 直接下载 inference 模型

6.1.1 小节提供了导出 inference 模型的方法，此处也提供了该场景可以下载的 inference 模型，可以直接下载体验。

cd deploy/models
# 下载inference 模型并解压
wget https://paddleclas.bj.bcebos.com/models/PULC/language_classification_infer.tar && tar -xf language_classification_infer.tar

解压完毕后，models 文件夹下应有如下文件结构：

├── language_classification_infer
│   ├── inference.pdiparams
│   ├── inference.pdiparams.info
│   └── inference.pdmodel

6.2 基于 Python 预测引擎推理

6.2.1 预测单张图像

返回 deploy 目录：

cd ../

运行下面的命令，对图像 ./images/PULC/language_classification/word_35404.png 进行整图文字方向分类。

# 使用下面的命令使用 GPU 进行预测
python3.7 python/predict_cls.py -c configs/PULC/language_classification/inference_language_classification.yaml
# 使用下面的命令使用 CPU 进行预测
python3.7 python/predict_cls.py -c configs/PULC/language_classification/inference_language_classification.yaml -o Global.use_gpu=False

输出结果如下。

word_35404.png:    class id(s): [4, 6], score(s): [0.89, 0.01], label_name(s): ['japan', 'korean']

其中，输出为top2的预测结果，japan 表示该图中文字语种为日语，korean 表示该图中文字语种为韩语。

6.2.2 基于文件夹的批量预测

如果希望预测文件夹内的图像，可以直接修改配置文件中的 Global.infer_imgs 字段，也可以通过下面的 -o 参数修改对应的配置。

# 使用下面的命令使用 GPU 进行预测，如果希望使用 CPU 预测，可以在命令后面添加 -o Global.use_gpu=False
python3.7 python/predict_cls.py -c configs/PULC/language_classification/inference_language_classification.yaml -o Global.infer_imgs="./images/PULC/language_classification/"

终端中会输出该文件夹内所有图像的分类结果，如下所示。

word_17.png:    class id(s): [9, 4], score(s): [0.80, 0.09], label_name(s): ['latin', 'japan']
word_20.png:    class id(s): [0, 4], score(s): [0.91, 0.02], label_name(s): ['arabic', 'japan']
word_35404.png:    class id(s): [4, 6], score(s): [0.89, 0.01], label_name(s): ['japan', 'korean']

其中，输出为top2的预测结果，japan 表示该图中文字语种为日语，latin 表示该图中文字语种为拉丁语，arabic 表示该图中文字语种为阿拉伯语，korean 表示该图中文字语种为韩语。

6.3 基于 C++ 预测引擎推理

PaddleClas 提供了基于 C++ 预测引擎推理的示例，您可以参考服务器端 C++ 预测来完成相应的推理部署。如果您使用的是 Windows 平台，可以参考基于 Visual Studio 2019 Community CMake 编译指南完成相应的预测库编译和模型预测工作。

6.4 服务化部署

Paddle Serving 提供高性能、灵活易用的工业级在线推理服务。Paddle Serving 支持 RESTful、gRPC、bRPC 等多种协议，提供多种异构硬件和多种操作系统环境下推理解决方案。更多关于Paddle Serving 的介绍，可以参考Paddle Serving 代码仓库。

PaddleClas 提供了基于 Paddle Serving 来完成模型服务化部署的示例，您可以参考模型服务化部署来完成相应的部署工作。

6.5 端侧部署

Paddle Lite 是一个高性能、轻量级、灵活性强且易于扩展的深度学习推理框架，定位于支持包括移动端、嵌入式以及服务器端在内的多硬件平台。更多关于 Paddle Lite 的介绍，可以参考Paddle Lite 代码仓库。

PaddleClas 提供了基于 Paddle Lite 来完成模型端侧部署的示例，您可以参考端侧部署来完成相应的部署工作。

6.6 Paddle2ONNX 模型转换与预测

Paddle2ONNX 支持将 PaddlePaddle 模型格式转化到 ONNX 模型格式。通过 ONNX 可以完成将 Paddle 模型到多种推理引擎的部署，包括TensorRT/OpenVINO/MNN/TNN/NCNN，以及其它对 ONNX 开源格式进行支持的推理引擎或硬件。更多关于 Paddle2ONNX 的介绍，可以参考Paddle2ONNX 代码仓库。

PaddleClas 提供了基于 Paddle2ONNX 来完成 inference 模型转换 ONNX 模型并作推理预测的示例，您可以参考Paddle2ONNX 模型转换与预测来完成相应的部署工作。