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