ocr随机字符串识别

前言：

项目的主要内容是对于随机字符串进行识别，随机字符串来源于电子文件，而非照片，环境字符。并且电子文件中的字符来自一种特殊字库，所以麻烦就在于如何将这种特殊字库的字体进行识别达到99%左右的正确率？

 

一开始的思路：

经过调研，主要的ocr识别分为光学直接识别的tesseract，和加入了神经网络的算法（densenet\crnn）。

虽然说tesseract加了lstm增强了语义方面的识别，但是从1995年ray Smith开始在hp研发tesseract，这个算法就是针对光学方法识别，这个lstm也只是点缀。那么神经网络算法就主要是能够在检测行列定位方面更加精确，在前后文上能把握更多。

 

Tesseract:

由于是无序字符，随机生成，所以采用对前后文有优势的神将网络就没意义了，甚至会比较差。所以项目定位就是采用tesseract。

由于我们的字库是特殊字库，那么只能自己制作，如果采用标准英文字库，准确率惨不忍睹。

训练参考这个网址：