印章检测
1 概述
由于未找到印章目标检测的公开数据集及印章数据的敏感性，因为本文的印章数据均为测试使用的自动生成，本任务首先基于随机中文字符生成包含印章的word文档，然后将word转换为pdf，将pdf转换为图片，并使用labelme对图片进行标注，最后使用yolov5对印章进行检测
注意：由于是随机中文字符生成，因此图片中的文字都是乱编的，本实验的主要目的在于检测出印章的位置，因此文档的内容对此没有影响，所以本文使用随机字符生成数据，另外，如果希望本模型获得更好的泛化性能，需要为其添加自己希望检测的自定义数据集
- ▶️视频教程：http://www.codeborn.cn/videos/StampDetection.mp4
- 📨作者邮箱：<购买后查看>
- 检测效果：
2 软件安装
3 环境安装
- 创建虚拟环境，打开CMD，使用下述命令创建一个名为Stamp的虚拟环境，python版本为3.9.19
conda create -n Stamp python=3.9.19
- 激活环境：
conda activate Stamp
- 安装深度学习框架Torch：
conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=11.3 -c pytorch
注意：在安装的过程中上述安装命令只能运行一次，如果想重新安装，请使用pip uninstall torch和conda uninstall torch先将其卸载再重装，否则在运行会出现冲突错误
如果自己能够掌握显卡和Torch的对应关系，也可以自行查看对应版本的下载情况，更推荐使用pip进行下载，查看链接为：https://pytorch.org/get-started/previous-versions/
- 首先cd到项目根目录，根据自己实际情况修改：
cd D:\projects\Stamp_detection
- 安装项目所需要的所有依赖包：
pip install -r requirement.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
4 使用
- 使用下述命令进行检测：
python detect.py --weights runs/train/exp/weights/best.pt --source dataset/Stamp/images/3.png
5 自定义训练
5.1 数据集准备
- 直接运行dataset/generate_stamp_word.py会在dataset/word中生成很多带有印章的word文件
- 直接运行dataset/convert_doc2img.py会将dataset/word中的word文件生成pdf和png，分别保存在dataset/pdf和dataset/images下
- 使用labelme标注工具对自己图片中的类别进行标记（印章数据集只有一个类别，即印章），标记的时候记得将标记的json文件保存到datasets/labels_json下，等待全部图像标记完成后，打开dataset/convert_dataset.py，更改其中的以下参数：
json_base_dir = "./labels_json" # 输入的json文件夹路径你
output_label_dir = "./labels" # 输出的label（txt）路径
- 将上述参数更改以后，运行这个文件，会自动在labels下生成对应的txt文件
5.2 训练
- 完成数据集准备后，会在dataset/images和dataset/labels下生成对应的图片和标签，然后将其按照8:2分别复制到dataset/Stamp/train/images与 dataset/Stamp/train/labels下，以及dataset/Stamp/val/labels和dataset/Stamp/val/labels下，和项目中的目录一致
- 使用下述命令即可开启训练，训练的文件会保存在runs下
python train.py --data stamp.yaml --weights yolov5s.pt --img 640 --batch-size 4 --epochs 30
5.3 检测
- 上述训练完成后，找到最新的训练权重文件，即exp1或exp2，数字大代表着其是最近的训练，选择最近训练的权重文件，替换掉下述的参数weights参数，检测命令：
python detect.py --weights runs/train/exp/weights/best.pt --source dataset/Stamp/images/1.png
6 结果
