动手学CV-Pytorch计算机视觉 使用transformer实现OCR字符识别

本文将以 ICDAR2015 Incidental Scene Text 中的 Task 4.3: Word Recognition 单词识别子任务作为数据集，讲解如何使用transformer来实现一个简单的OCR文字识别任务，并从中体会transformer是如何应用到除分类以外更复杂的CV任务中的。

文章将大致从以下几个方面讲解：

• 数据集简介
• 数据分析与字符映射关系构建
• 如何将transformer引入OCR
• 训练框架代码讲解

注：本文未涉及过多transformer原理的讲解，更注重围绕如何设计模型和训练架构来解决OCR任务进行讲解。对transformer原理及代码并不熟悉的小伙伴需要先学习本文的前置章节《6.1 hello transformer》，重点讲解了 transformer 的代码实现。

本实验代码位于dive-into-cv-pytorch/code/chapter06_transformer/6.2_recognition_by_transformer

主要包括以下几个文件：

• analysis_recognition_dataset.py (数据集分析脚本)
• ocr_by_transformer.py