• 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。

cd psenet/pse
rm -rf pse.so 
make 

• 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

• 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

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

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

http://127.0.0.1:8080/ocr

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