MORAN快速上手：5分钟从零搭建场景文字识别环境，跑通第一个Demo-平芜编程栈

MORAN快速上手：5分钟从零搭建场景文字识别环境，跑通第一个Demo

【免费下载链接】MORAN_v2MORAN: A Multi-Object Rectified Attention Network for Scene Text Recognition项目地址: https://gitcode.com/gh_mirrors/mo/MORAN_v2

MORAN 是一款开源的场景文字识别（Scene Text Recognition）神经网络，通过"矫正机制"把图片中弯曲、倾斜的文字变直后再识别，在 IIIT5K、SVT 等主流基准数据集上表现优异。本文将带你快速搭建场景文字识别环境，5 分钟下载代码、配置依赖并跑通第一个识别 Demo，让新手零基础上手 MORAN 文字识别工具。

一、MORAN 是什么？能做什么？

MORAN 的全称是Multi-Object Rectified Attention Network，由华中科技大学罗灿杰团队提出，相关论文发表于《Pattern Recognition》（2019）。它解决的核心问题是：

🔍矫正机制：自动把场景图片中弯曲、透视变形的文字区域"拉直"，显著提升识别精度；
🚀单向一次训练：v2 版本比 v1 更稳定，用 ResNet 替换 VGG 骨干网络，并引入双向解码器；
📊精度领先：在 IIIT5K 上达到93.4%，SVT-P 达到79.7%，超越 v1 多个百分点。

项目核心代码位于 [models/moran.py]，数据预处理工具在 [tools/dataset.py]，新手了解结构即可，无需深究源码。

二、环境要求：一键安装所需依赖

在开始之前，先确认你的环境满足以下最低要求：

依赖项	推荐版本	说明
Python	3.6	官方同时支持 2.7，但Python 3 速度更快
PyTorch	0.3.x	注意：高版本 PyTorch 会导致训练变慢
OpenCV	任意	图像读取与展示
Pillow / LMDB / matplotlib	任意	数据格式与可视化

💡 建议使用 Anaconda 管理虚拟环境，避免依赖冲突。

项目依赖清单已整理在 [requirements.txt] 中，包含 torch==0.3.1、torchvision==0.2.1、opencv-python、Pillow 等。只需一条命令完成场景文字识别环境搭建：

pip install -r requirements.txt

三、下载 MORAN 源码

打开终端，执行以下命令克隆代码仓库：

git clone https://gitcode.com/gh_mirrors/mo/MORAN_v2 cd MORAN_v2

进入项目根目录后，你会看到这些关键文件：

demo.py—— 可视化 Demo 入口，本文主角；
inference.py—— 封装好的Recognizer识别类，方便集成；
main.py—— 训练与测试主程序；
train_MORAN.sh—— 一键训练脚本；
demo/—— 内置演示图片（0.png ~ 3.png）。

四、5 分钟跑通第一个 Demo

这是全文最快、最激动人心的部分，只需两步：

第 1 步：下载预训练模型

从项目说明 [README.md] 中的网盘链接下载预训练权重文件demo.pth（约几十 MB），放到项目根目录下。

第 2 步：执行 Demo

python demo.py

demo.py会自动加载demo/0.png这张演示图片，执行识别并弹出窗口展示结果。终端会同时打印左右两个方向的识别结果（双向解码器），例如图片中的路牌文字会被准确读出来。

整个流程通常只需几分钟，你就拥有了一个可用的场景文字识别工具。

五、识别自己的图片：自定义推理

想识别自己的照片？项目提供了封装好的推理脚本 [inference.py]，核心是一个Recognizer类：

初始化时传入模型路径，自动判断 CPU/GPU；
调用preprocess把图片缩放归一化为 100×32 的灰度图；
执行predict+post_process，返回正向与反向两组识别文本。

只需替换输入图片，即可批量识别自定义文本。

六、进阶：从零训练自己的识别模型

如果你有标注好的数据（需转换为 LMDB 格式），可以完整训练 MORAN：

1. 修改数据路径：打开 [train_MORAN.sh]，把三个path_to_dataset改成你自己的 LMDB 数据集路径：

--train_nips path_to_dataset \ --train_cvpr path_to_dataset \ --valroot path_to_dataset \

2. 启动训练：

sh train_MORAN.sh

脚本默认开启 GPU（--cuda）、batchSize 64、Adadelta 优化器和双向解码器。官方参考：1080Ti 上 100 次迭代不到 20 秒，训练速度非常友好。

⚠️ 提示：多 GPU 暂不支持（batch 内文本长度不一致），main.py中会强制单卡。

七、新手常见坑位排查清单 🛠️

问题现象	解决方案
训练异常缓慢	确认 PyTorch 版本为 0.3.x，高版本会明显变慢
`demo.py`报`demo.pth`找不到	权重必须放在项目根目录，而非 models 下
加载模型出现`module.`前缀报错	脚本已内置`OrderedDict`重命名逻辑，勿手动改动
无显卡用户报错	`demo.py`会自动降级为 CPU 的 FloatTensor 模式