Coovally任务详解之文字识别任务

人们在生产和生活中，要处理大量的文字、报表和文本。为了减轻人们的劳动，提高处理效率，自动识别字符的技术，已经成为机器视觉应用的一个重要领域。

而Coovally也能做到这一点，并且仅需5步，零代码即可完成！

说明：当前文字识别任务仅支持OCRDataset格式数据集,请提前按要求准备好数据集，具体数据集要求可参考OCRDataset格式数据集说明。

OCRDataset数据集格式说明

OCRDataset为Coovally文字识别任务输入格式，样例如下：

其中，第一列为需要识别图片的名称，第二列为图片中的字符。

注意：这里的图片指的是经过文字检测，切出的仅含字符的图片。

1.数据上传

1.1 图片上传

图片数据准备

目前Coovally支持单独上传zip格式图片文件，待数据集创建成功之后，在数据集详情页再单独上传zip格式标签文件。

图片数据上传

登录Coovally点击侧边导航栏并下拉菜单点击【创建数据集】。

点击【创建数据集】，按要求填写参数，并将此前准备好的图片压缩包拖至文件上传区域，点击【确定】，等待图片数据上传并解析完成即可；

注意：需记住所填写的数据集名称，在创建标签时，根据数据集名称找到对应的数据集。

1.2 标签上传

标签数据准备

将数据中的标签文件所在文件夹压缩为zip格式的压缩包。

标签数据上传

在【我的数据】标签页，找到刚刚上传的图片数据；点击图标进入数据集信息页，点击【创建标签】，再按要求填写参数，将标签压缩包拖到文件上传区域，最后点击【确定】，等待完成解析即可。

2. 模型训练

2.1 数据建模

基于此前已完成上传的数据集，进行数据建模，点击【数据建模】图标，进入数据建模详情页面。

2.2 模型选择&参数配置

按要求选择模型填写模型参数；并设置训练运行参数。

参数设置（非必须步骤）

点击【参数设置】进入超参数设置页面，设置合适的超参数值，以提高模型精度或训练模型的速度。

点击【增强算法】进入算法增强页面，筛选所需要增强的标签类型及数据增强方法，进行数据增强，此操作非必选操作，但当数据量较少或数据不均衡时可尝试进行数据增强，以提高模型精度。

2.3 模型训练

点击【开始训练】，即可开始模型训练，待模型训练结束即可开始此后的模型转换、部署、预测等操作。

3.模型转换

说明：此处仅为模型转化步骤示例，详细信息可参考Coovally官网文档。

点击【模型转换】，进入模型转换页面，按要求选择及填写参数，点击开始转换即可开始进行模型转化，等待模型转化完成即可。

注意：等待模型转换期间，切勿刷新页面！

4.模型部署

在模型转化完成后转跳的界面点击【模型部署】，开始模型部署。按要求选择服务地址，再点击部署按钮，等待部署完成。

5.模型预测

在模型部署完成后转跳的界面，点击【上传图片】按要求上传图片，系统即可对此图片进行模型预测，预测结果会直接显示在右侧的识别结果栏内。

Coovally是一款包含完整AI建模流程、AI项目管理及AI系统部署管理的高度自动化机器视觉平台，用户只要熟悉自己的业务就可以使用Coovally构建AI模型和应用，并在几乎没有人工干预的情况下快速完成模型的选型和工程化落地。

Coovally紧跟工业界和学术界前沿技术，坚持构建全球最大的AI模型库；打包自身的AI能力给客户，基于Coovally平台帮助用户实现AI自主能力；帮助客户减少对第三方AI和IT公司的依赖，最大程度上实现AI技术“平民化”落地。

目前跑码地Coovally已覆盖多个应用领域，包含制造业质检、地质灾害监测、电力行业设备监控、医学专病诊断、智慧交通、智慧园区等。感兴趣的小伙伴，可以通过这几期的任务详解来试试~