想根据上次的ModelScope问题继续延伸两个问题:1. 请问有修改dbline模型的json文件中参数,并调用pipeline的示例吗?我按照文档中心的说明没有成功,也没找到configuration.json文件[捂脸哭] 2. crnn模型,直接调用模型的效果比pipeline好(model.train()),当数据集很大时每次调用模型,速度很慢,请问有自行构造pipeline批量推理的示例吗?
1.DBNet的问题。想要修改测试参数,比如后处理阈值thresh,需要修改模型路径中configuration.json文件,具体本地模型路径可以通过运行: from modelscope.hub.snapshot_download import snapshot_download model_path = snapshot_download(model_id='damo/cv_resnet18_ocr-detection-db-line-level_damo') model_path就是本地的模型路径。2. 批量测试可以先用训练/微调的方式 ,在本地构建lmdb然后参考模型主页的“训练/微调”的相关代码(用evaluation模式),然后在./modelscope/metrics/ocr_recognition_metric.py里OCRRecognitionMetric的add函数中把结果保存下来(因为当前训练没有保存中间结果),或者直接循环调用pipeline,此回答整理自钉群“魔搭ModelScope开发者联盟群 ①”
ModelScope旨在打造下一代开源的模型即服务共享平台,为泛AI开发者提供灵活、易用、低成本的一站式模型服务产品,让模型应用更简单!欢迎加入技术交流群:微信公众号:魔搭ModelScope社区,钉钉群号:44837352