##!!!!!遇到問題可以先更新git(確定是新版)在試試看!!!!!!!!!
##!!!!!遇到問題可以先更新git(確定是新版)在試試看!!!!!!!!!
##!!!!!遇到問題可以先更新git(確定是新版)在試試看!!!!!!!!!
### 安裝Label Studio
https://labelstud.io/

安裝 label-studio

pip install -U label-studio

執行 label-studio

`label-studio`

### 進入Label Studio
在瀏覽器輸入
http://localhost:8080/

### 設定Project

在Labeling Interface(設定內)中點選Code
貼上以下內容
(請複製https://github.com/daniel29348679/LEDB_labelstudiotojsonl.git 的rule.txt)


按右下角的Save保存

### 匯入照片並開始標記(沒有操作細節)
標記順序參考

### 匯出
在export選項中選擇json-mini

### 轉檔
複製github repo
`git clone https://github.com/daniel29348679/LEDB_labelstudiotojsonl.git`
將匯出得到的json檔改名成input.json
執行`py main.py`
資料夾下的output.jsonl為所要之hieltext標記檔案

### 注意事項
#### 檔案名稱
因為label studio在輸出檔名時會自動去除 ( , ), -, %，所以訓練用照片的檔名不要有以上字元

> 如果你只想要標記沒有要訓練，看到這邊就好

## 訓練OCRS方法

### 1.下載OCRS model

git clone https://github.com/robertknight/ocrs-models.git

參考https://github.com/robertknight/ocrs-models/blob/main/docs/training.md的說明
安裝hiertext套件(上面網址裡面有)
官方有使用poetry，我也不知道那啥，但我們可以跳過(後面指令可以自動省略"poetry run")

### 2.將照片準備好
將照片分別放入datasets/hiertext/train、datasets/hiertext/validation中

### 3.處理jsonl檔
將先前的jsonl檔改名成train.jsonl, validation.jsonl，並壓縮成.gz放入datasets/hiertext/gt中

### 4.開始訓練

python -m ocrs_models.train_detection hiertext datasets/hiertext/ --max-epochs 50 --batch-size 80

batch-size欄位不能太大不能太小，要依照vram大小調整(80對應24GB)

### 5.轉換訓練完的神經網路

poetry run python -m ocrs_models.train_detection hiertext datasets/hiertext/ --checkpoint text-detection-checkpoint.pt --export text-detection.onnx

在依照https://github.com/robertknight/rten的指示
將text-detection.onnx轉成text-detection.rten

git clone https://github.com/robertknight/rten.git
cd rten
pip install -e rten-convert
pip install -r tools/requirements.txt
python -m tools.export-timm-model timm/resnet50.a1_in1k
rten-convert text-detection.onnx text-detection.rten

最後一行要在ocrs_models資料夾中執行

### 6.開始執行照片辨識
參考https://github.com/robertknight/ocrs/
!!要先安裝rust!!

cargo install ocrs-cli

先隨便辨識單張照片(系統才會init)，再用剛剛得到的text-detection.rten，替換~/.cache/ocrs中的text-detection.rten

辨識單張圖片

ocrs image.png -o content.txt

如果要辨識很多圖片，可以去LEDB_labelstudiotojsonl資料夾裡面，將照片放入images資料夾，然後執行run_detect.py，就會看到全部結果。

py run_detect.py

By Daniel Tseng