參考

[1]?https://github.com/eragonruan/text-detection-ctpn

[2]?https://github.com/senlinuc/caffe_ocr

[3]?https://github.com/YCG09/chinese_ocr? 感謝作者！

[4]?https://github.com/xiaomaxiao/keras_ocr

?

認真看源碼！

基于Tensorflow和Keras實現端到端的不定長中文字符檢測和識別

• 文本檢測：CTPN
• 文本識別：DenseNet + CTC

環境部署

• Bash
  sh setup.sh
  ```
  * 注：CPU環境執行前需注釋掉for gpu部分，并解開for cpu部分的注釋

• Demo

  將測試圖片放入test_images目錄，檢測結果會保存到test_result中

  ``` Bash
  python demo.py
  ```

• 一定在終端運行demo.py 代碼，另外，因不能連接外網，所以在進行依賴時，需要用公司鏡像完成安裝。
• 釋放占用的顯存時，只需要kernel，restart重啟即可。在jupyter notebook中加！命令，相當于終端執行的命令。
• 切換python環境 source activate base 即可切換到常用的，安裝有許多依賴庫的 anaconda2 python2環境。這樣才能運行demo.py.

Demo

將測試圖片放入test_images目錄，檢測結果會保存到test_result中

python demo.py

模型訓練

CTPN訓練

詳見ctpn/README.md

DenseNet + CTC訓練

1. 數據準備

數據集：https://pan.baidu.com/s/1QkI7kjah8SPHwOQ40rS1Pw?(密碼：lu7m)

• 共約364萬張圖片，按照99:1劃分成訓練集和驗證集
• 數據利用中文語料庫（新聞 + 文言文），通過字體、大小、灰度、模糊、透視、拉伸等變化隨機生成
• 包含漢字、英文字母、數字和標點共5990個字符
• 每個樣本固定10個字符，字符隨機截取自語料庫中的句子
• 圖片分辨率統一為280x32

圖片解壓后放置到train/images目錄下，描述文件放到train目錄下

2. 訓練

cd train python train.py

3. 結果

val accpredictmodel

0.983	8ms	18.9MB

• GPU: GTX TITAN X
• Keras Backend: Tensorflow

4. 生成自己的樣本

可參考SynthText_Chinese_version，TextRecognitionDataGenerator和text_renderer

效果展示

?

總結

以上是生活随笔為你收集整理的ocr 识别 github 源码的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。