本项目基于chineseocr 与psenet 实现中文自然场景文字检测及识别

环境

• pytorch 1.2.0

• python3

• linux/macos/windows

• windows环境配置参考热心网友的文章Python构建快速高效的中文文字识别OCR ?

• Docker 环境

  1. 可以直接在项目根目录下面运行docker build -t my/chineseocr . 构建运行环境的镜像，也可以

     使用其他已经构建好的镜像docker run -dit -p 8080:8080 -v /mnt/d/data/:/data --name chineseocr vitzy/chineseocr_lite。

  2. 可通过docker attach --sig-proxy=false <container id> 或者docker exec -it <your container name or id> /bin/bash进入容器，然后git clone https://github.com/ouyanghuiyu/chineseocr_lite拉取本项目代码到/data

  3. cd 到chineseocr_lite下进行安装：pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt

  4. 启动 web python3 app.py 8080， 在浏览器中打开 http://127.0.0.1:8080/ocr。

PSENET 编译

cd psenet/pse
rm -rf pse.so 
make 

实现功能

• 提供轻量的backone检测模型psenet（8.5M）,crnn_lstm_lite(9.5M) 和行文本方向分类网络（1.5M）
• 任意方向文字检测，识别时判断行文本方向
• crnn\crnn_lite lstm\dense识别（ocr-dense和ocr-lstm是搬运chineseocr的）
• 支持竖排文本识别
• ncnn 实现 (支持lstm) nihui大佬实现的crnn_lstm推理 具体操作详解: 详细记录超轻量中文OCR LSTM模型ncnn实现
• 提供竖排文字样例以及字体库（旋转90度的字体）
• mnn 实现

2020.03.16更新

• psenet ncnn核扩展实现，有效解决粘连文本检测问题，详见ncnn ocr一条龙
• nihui大佬实现的crnn_lstm推理 具体操作详解: 详细记录超轻量中文OCR LSTM模型ncnn实现

2020.03.12更新

• 升级crnn_lite_lstm_dw.pth模型crnn_lite_lstm_dw_v2.pth , 精度更高

竖排字体样式：

竖排生成的竖排文本样例：

web服务启动

cd chineseocr_lite## 进入chineseocr目录
python app.py 8080 ##8080端口号，可以设置任意端口

访问服务

http://127.0.0.1:8080/ocr

识别结果展示

ncnn检测识别展示(x86 cpu 单进程)

参考

1. ncnn https://github.com/Tencent/ncnn
2. crnn https://github.com/meijieru/crnn.pytorch.git
3. chineseocr https://github.com/chineseocr/chineseocr
4. Psenet https://github.com/WenmuZhou/PSENet.pytorch
5. 语言模型实现 https://github.com/lukhy/masr