1. Hướng dẫn test (inference)
B1. clone repo tại: git@github.com:khaidoandk97/The_challengers_team_VAIPE.git (nhánh master)
B2. Tải folder "trained_models" tại https://drive.google.com/file/d/1uOGQ_eLay1MYYzwj24JB7SX3pqawYkZO/view?usp=sharing giải nén và đặt vào WORKSPACE (cùng cấp với folder lib, run.py)
B3. Tạo docker image:
docker build -t [image name] .
vd:
docker build -t vaipe-the_challengers_team .
B4. Tạo các volume: data (mount tới folder chứa dữ liệu test), output (folder lưu kết quả model sinh ra)
docker volume create --opt device=[absolute path to test data on host device] --opt type=none --opt o=bind output
docker volume create --opt device=[absolute path to saved folder on host device] --opt type=none --opt o=bind data
vd:
docker volume create --opt device=/home/user/Desktop/output --opt type=none --opt o=bind output
docker volume create --opt device=/home/user/Desktop/VAIPE/document/dataset/public_test_new --opt type=none --opt o=bind data
B5. chạy container
docker run -it --name [container name] -v data:/app/data -v output:/app/output [image name]
vd: docker run -it --name containter -v data:/app/data -v output:/app/output vaipe-the_challengers_team
khi chạy xong kết quả sẽ được sinh ra file "results.csv" để trong thư mục trên máy host mount tới volum data của docker
2. Hướng dẫn train:
B1. train detection engine.
train model "Cascade R-CNN" sử dụng repo mmdetection: https://github.com/open-mmlab/mmdetection
sử dụng config mặc định "cascade_rcnn_r50_fpn_1x_coco.py" https://github.com/open-mmlab/mmdetection/blob/master/configs/cascade_rcnn/cascade_rcnn_r50_fpn_1x_coco.py để train model
B2. OCR Prescription engine.
Sử dụng prertain vietocr - backbone: VGG19-bn - Transformer https://github.com/pbcquoc/vietocr
B3. classification engine.
Model do nhóm tự thiết kế
train theo hướng dẫn trên nhánh "classification_engine": https://github.com/khaidoandk97/The_challengers_team_VAIPE/tree/classification_engine