向AI转型的程序员都关注了这个号????????????
机器学习AI算法工程 公众号：datayx
cnocr是用来做中文OCR的Python 3包。cnocr自带了训练好的识别模型，安装后即可直接使用。
cnocr主要针对的是排版简单的印刷体文字图片，如截图图片，扫描件等。cnocr目前内置的文字检测和分行模块无法处理复杂的文字排版定位。如果要用于场景文字图片的识别，需要结合其他的场景文字检测引擎使用。
示例
安装真的很简单
pip install cnocr请使用Python3 (3.4, 3.5, 3.6以及之后版本应该都行
可直接使用的模型
cnocr的ocr模型可以分为两阶段：第一阶段是获得ocr图片的局部编码向量，第二部分是对局部编码向量进行序列学习，获得序列编码向量。目前两个阶段分别包含以下的模型：
局部编码模型（emb model）
conv：多层的卷积网络；conv-lite：更小的多层卷积网络；densenet：一个小型的densenet网络；densenet-lite：一个更小的densenet网络。
序列编码模型（seq model）
lstm：两层的LSTM网络；gru：两层的GRU网络；fc：两层的全连接网络。
cnocr目前包含以下可直接使用的模型，训练好的模型都放在 cnocr-models 项目中，可免费下载使用：
模型名称是由局部编码模型和序列编码模型名称拼接而成。
图片预测速度是在多核CPU机器上做的测试， 绝对值依赖机器资源，意义不大；但不同模型之间的相对值是可以参考的。
虽然上表中给出的多个模型在测试集上的准确率都是
98.6%，但从实际使用经验看，综合中英文的识别效果，conv-lite-fc是效果最好的，其次是densenet-lite-lstm和conv-lite-lstm。对于中文识别且识别困难（如文字比较模糊）的场景，建议尝试模型conv-lite-lstm。对于简单的中文识别场景，可以使用模型densenet-lite-lstm或densenet-lite-fc，或者利用自己的训练数据对它们进行精调。模型
conv-lstm把图片长度压缩到1/8再做预测，其他模型是压缩到1/4再做预测，所以conv-lstm虽然比conv-lite-lstm有更多参数，但预测速度却快了一倍。使用方法
首次使用cnocr时，系统会自动从 cnocr-models 下载zip格式的模型压缩文件，并存于
~/.cnocr目录。下载后的zip文件代码会自动对其解压，然后把解压后的模型相关目录放于~/.cnocr/1.1.0目录中。如果系统不能自动从 cnocr-models 成功下载zip文件，则需要手动下载此zip文件并把它放于
~/.cnocr/1.1.0目录。如果Github下载太慢，也可以从 百度云盘 下载。项目地址、模型下载地址 获取：
关注微信公众号 datayx 然后回复 OCR 即可获取。
放置好zip文件后，后面的事代码就会自动执行了。
图片预测
类
CnOcr是OCR的主类，包含了三个函数针对不同场景进行文字识别。类CnOcr的初始化函数如下：其中的几个参数含义如下：
model_name: 模型名称，即上面表格第一列中的值。默认为conv-lite-fc。model_epoch: 模型迭代次数。默认为None，表示使用默认的迭代次数值。对于模型名称conv-lite-fc就是27。cand_alphabet: 待识别字符所在的候选集合。默认为None，表示不限定识别字符范围。cnocr.consts中内置了两个候选集合：(1) 数字和标点NUMBERS；(2) 英文字母、数字和标点ENG_LETTERS。例如对于图片
，不做约束时识别结果为
o12345678；如果加入数字约束时（ocr = CnOcr(cand_alphabet=NUMBERS)），识别结果为012345678。
root: 模型文件所在的根目录。Linux/Mac下默认值为
~/.cnocr，表示模型文件所处文件夹类似~/.cnocr/1.1.0/conv-lite-fc。Windows下默认值为
C:\Users\<username>\AppData\Roaming\cnocr。
每个参数都有默认取值，所以可以不传入任何参数值进行初始化：
ocr = CnOcr()。类
CnOcr主要包含三个函数，下面分别说明。1. 函数
CnOcr.ocr(img_fp)函数
CnOcr.ocr(img_fp)可以对包含多行文字（或单行）的图片进行文字识别。函数说明：
输入参数
img_fp: 可以是需要识别的图片文件路径（如上例）；或者是已经从图片文件中读入的数组，类型可以为mx.nd.NDArray或np.ndarray，取值应该是[0，255]的整数，维数应该是(height, width, 3)，第三个维度是channel，它应该是RGB格式的。返回值：为一个嵌套的
list，类似这样[['第', '一', '行'], ['第', '二', '行'], ['第', '三', '行']]。
调用示例：
上面使用的图片文件 examples/multi-line_cn1.png内容如下：
2. 函数
CnOcr.ocr_for_single_line(img_fp)如果明确知道要预测的图片中只包含了单行文字，可以使用函数
CnOcr.ocr_for_single_line(img_fp)进行识别。和CnOcr.ocr()相比，CnOcr.ocr_for_single_line()结果可靠性更强，因为它不需要做额外的分行处理。函数说明：
输入参数
img_fp: 可以是需要识别的单行文字图片文件路径（如上例）；或者是已经从图片文件中读入的数组，类型可以为mx.nd.NDArray或np.ndarray，取值应该是[0，255]的整数，维数应该是(height, width)或(height, width, channel)。如果没有channel，表示传入的就是灰度图片。第三个维度channel可以是1（灰度图片）或者3（彩色图片）。如果是彩色图片，它应该是RGB格式的。返回值：为一个
list，类似这样['你', '好']。
调用示例：
3. 函数
CnOcr.ocr_for_single_lines(img_list)函数
CnOcr.ocr_for_single_lines(img_list)可以对多个单行文字图片进行批量预测。函数CnOcr.ocr(img_fp)和CnOcr.ocr_for_single_line(img_fp)内部其实都是调用的函数CnOcr.ocr_for_single_lines(img_list)。函数说明：
输入参数
img_list: 为一个list；其中每个元素是已经从图片文件中读入的数组，类型可以为mx.nd.NDArray或np.ndarray，取值应该是[0，255]的整数，维数应该是(height, width)或(height, width, channel)。如果没有channel，表示传入的就是灰度图片。第三个维度channel可以是1（灰度图片）或者3（彩色图片）。如果是彩色图片，它应该是RGB格式的。返回值：为一个嵌套的
list，类似这样[['第', '一', '行'], ['第', '二', '行'], ['第', '三', '行']]。
调用示例：
训练自己的模型
cnocr自带训练好的模型， 安装后即可直接使用。但如果你需要训练自己的模型，请参考下面的步骤。所有代码均可在文件 Makefile 中找到。
（一）转换图片数据格式
为了提升训练效率，在开始训练之前，需要使用mxnet的
recordio首先把数据转换成二进制格式：
如果需要在GPU上训练，把上面命令中的参数
--gpu 0改为--gpu <num_gpu>，其中的<num_gpu>为使用的GPU数量。注意，使用GPU训练需要安装mxnet的GPU版本，如mxnet-cu101。（三）评估模型
评估模型的代码依赖一些额外的python包，使用下面命令安装这些额外的包：
阅读过本文的人还看了以下文章：
《深度学习入门：基于Python的理论与实现》高清中文PDF+源码
2019最新《PyTorch自然语言处理》英、中文版PDF+源码
《21个项目玩转深度学习：基于TensorFlow的实践详解》完整版PDF+附书代码
PyTorch深度学习快速实战入门《pytorch-handbook》
【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》
李沐大神开源《动手学深度学习》，加州伯克利深度学习（2019春）教材
【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目，让你掌握深度学习图像分类
如何利用全新的决策树集成级联结构gcForest做特征工程并打分？
Machine Learning Yearning 中文翻译稿
斯坦福CS230官方指南：CNN、RNN及使用技巧速查（打印收藏）
中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程
不断更新资源
深度学习、机器学习、数据分析、python
搜索公众号添加： datayx
扫一扫
838
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
