专注大数据与人工智能技术分享，欢迎私信加群互相学习！

GoAI的学习社区知识星球是一个提供各方向资料整合的平台，致力于提供机器学习 | 深度学习 | CV | NLP | 大模型 | 多模态 | AIGC各个大方向资料，对以上方向全面而有深度的**专栏内容、前沿论文解读、资料共享、行业最新动态以及实践教程。除此之外，后续会整理更多方向综述、重要论文、求职相关（简历撰写技巧、面试题总结、面经资料等）分享给大家，也会邀请更多嘉宾入驻，和大家一起分享职场工作、算法研究心得体会等等干货内容！

恭喜你发现宝藏！本专栏系列主要介绍计算机视觉OCR文字识别领域，每章将分别从OCR技术发展、方向、概念、算法、论文、数据集、对现有平台及未来发展方向等各种角度展开详细介绍，综合基础与实战知识，欢迎大家订阅交流。以下是本系列目录，分为前置篇、基础篇与进阶篇，进阶篇在基础篇基础上进行全面总结，会针对最经典论文及最新算法展开讲解，内容目前包括不限于文字检测、识别、表格分析等方向。

📝导读：本系列主要介绍计算机视觉领域OCR文字识别领域技术发展方向，面向深度学习同学，内容总计五章，每章将从OCR技术发展、概念、方法等各种角度展开详细介绍。第一篇介绍OCR概念及发展以及相关数据集，其次列出几种常见的OCR文本检测与文本识别技术，文章最后分享几种开源的OCR平台，后续系列文章将继续介绍OCR相关技术及实战演练。

本文为《深入浅出OCR》系列第八章，《OCR文档任务多模态预训练模型总结》主要介绍OCR文档任务的多模态模型的经典论文及内容结构展开介绍。大模型时代的现实场景或者企业私域数据中，大多数数据都以文档的形式存在，如何更好的解析获取文档数据显得尤为重要。文档智能也从以前的目标检测（版面分析）阶段转向多模态预训练阶段。

本章将介绍常见的文字识别后处理方法，按照不同的目的将内容分为两部分：文本纠错和文本结构化。文本纠错的目标是纠正OCR输出文本中错误的文字，而文本结构化则是从OCR输出文本中定位需要的信息，并按照应用要求组织成特定的结构，方便小白或AI爱好者快速了解OCR方向知识.

本篇为《深入浅出OCR》第六章：OCR数据集与评价指标,主要介绍OCR数据集（规则与不规则、合成数据集）、数据生成、OCR数据评估指标等知识进行介绍，方便小白或AI爱好者快速了解OCR方向知识.

本篇导读：在上一章【《深入浅出OCR》第五章：端到端文字识别】，本人着重介绍端到端识别算法的发展、分类及各自领域经典算法，为了进一步熟悉端到端识别流程，本次作者将以基于PGNet的端到端识别实战为例，全面对端到端识别技术流程进行解读，方便学习者快速上手实战。

上一章我们介绍到OCR流程包括两阶段算法和端到端算法，本篇为 **【《深入浅出OCR》第五章：端到端识别】，主要对深度学习端到端识别方法进行介绍**，本人将从经典算法结构、代码、论文解读等角度展开，配合作者总结的思维导图，深入浅出OCR知识。

本篇导读：在上一章【《深入浅出OCR》第四章：OCR文字识别】，本人着重介绍文字识别算法的发展、分类及各自领域经典算法，为了进一步熟悉文字识别流程，本次作者将以基于主流文字识别算法CRNN为例，全面对文字识别技术流程进行解读，方便学习者快速上手实战。

在上一章我们介绍到OCR文字检测， 本篇为 **【《深入浅出OCR》第四章：OCR文字识别】，主要对深度学习OCR文字识别方法进行介绍**，本人将从经典算法结构、代码、论文解读等角度展开，配合作者总结的思维导图，深入浅出OCR知识。

本篇导读：在上一章【《深入浅出OCR》第三章：OCR文字检测】，本人着重介绍文字检测算法的发展、分类及各自领域经典算法，为了进一步熟悉文字检测流程，本次作者将以基于DBNet的文字检测实战为例，全面对文字检测技术流程进行解读，方便学习者快速上手实战。

上一章我们介绍到OCR流程包括两阶段算法和端到端算法，目前在通用场景识别效果下，两阶段OCR相比端到端OCR技术更成熟，所以工业界大多采用两阶段OCR。本篇为 【《深入浅出OCR》第三章：OCR文字检测】，主要对深度学习OCR文字检测方法进行介绍，本人将从经典算法结构、代码、论文解读等角度展开，配合作者总结的思维导图，深入浅出OCR知识。

本篇为《深入浅出OCR》第一章：OCR技术导论主要介绍OCR的概念、分类、应用场景、技术流程、数据集等基础知识进行介绍，方便小白或AI爱好者快速了解OCR方向知识。第二章将对OCR技术展开进一步详细介绍，欢迎大家关注！

本篇为《深入浅出OCR》第一章：OCR技术导论主要介绍OCR的概念、分类、应用场景、技术流程、数据集等基础知识进行介绍，方便小白或AI爱好者快速了解OCR方向知识，每章文末将有免费福利送上！下一章将对OCR技术展开进一步详细介绍，欢迎大家关注！

本篇导读：在上节深度学习知识总结，本人对手写识别项目进行实战，为了进一步学习计算机视觉知识，我们本次以计算机视觉的OCR方向为例，完成中文场景识别，从头到尾帮助大家学习并完成中文文字识别实战任务，方便学习者学习计算机视觉项目流程。

本作者推出全新系列《深入浅出OCR》专栏，对标最全OCR教程。将分别从OCR技术发展、方向、概念、算法、论文、数据集等各种角度展开详细介绍。本篇为该专栏的前言知识，主要介绍深度学习知识，全面总结知知识点，方便小白或AI爱好者学习基础知识。

经过几个月的精心筹备，本作者推出全新系列《深入浅出OCR》专栏，**对标最全OCR教程**，具体章节如导图所示，将分别从OCR技术发展、方向、概念、算法、论文、数据集等各种角度展开详细介绍。面向对象：本篇前言知识主要介绍机器学习，方便小白或AI爱好者学习基础知识。

本项目为新系列 【智慧交通项目实战】《OCR车牌检测和识别》(五)--模型部署与优化》为该系列最后一篇，着重介绍车牌识别系统的模型部署与优化，后续其他系列文章将继续更新相关实战项目。

本项目为新系列【智慧交通项目实战】《OCR车牌检测和识别》(四)--项目可视化，该系列将分为多篇文章展开分别对项目流程、数据集、检测、识别算法、可视化进行详细介绍。本篇为该系列第四篇，将着重介绍车牌识别项目可视化，对Pyqt可视化界面、配置进行详进行详细解读，后续将陆续更新其他项目实战文章。

本项目为新系列【智慧交通项目实战】《OCR车牌检测和识别》(三)--基于改进CRNN的车牌识别，该系列将分为多篇文章展开分别对项目流程、数据集、检测、识别算法、可视化进行详细介绍。本篇为该系列第三篇，将着重介绍车牌识别流程，对环境安装、训练流程、配置进行详细解读，后续该系列文章将陆续更新。

💚导读：本项目为新系列【智慧交通项目实战】《OCR车牌检测和识别》(二)--基于YOLO的车牌检测，该系列将分为多篇文章展开分别对项目流程、数据集、检测、识别算法、可视化进行详细介绍。本篇为该系列第二篇，将着重介绍车牌检测流程，对环境安装、训练流程、配置进行详细解读，后续该系列文章将陆续更新。

💚导读：本项目为新系列【智慧交通项目实战】《OCR车牌检测和识别》(一)，该系列将分为多篇文章展开分别对项目流程、数据集、检测、识别算法、可视化进行详细介绍，本篇为该系列第一篇，将着重介绍本次项目开源的CCPD车牌数据集，，用于本次车牌检测和识别模型算法开发，后续系列文章将陆续更新。

《计算机视觉面试题总结系列》 主要面向计算机视觉目标检测、图像分割及OCR等领域，将对该领域面试相关问题等进行总结，主要进行资源整合！学习对象主要面向深度学习CV方向同学，本篇主要对OCR方向进行全面总结，希望大家能够多多交流如有错误请大家在评论区指正，如有侵权联系删除。

恭喜你发现宝藏！本专栏系列主要介绍计算机视觉OCR文字识别领域，每章将分别从OCR技术发展、方向、概念、算法、论文、数据集、对现有平台及未来发展方向等各种角度展开详细介绍，综合基础与实战知识。

本篇主要介绍OCR论文总结，主要从OCR论文、模型方法、论文链接进行全面总结介绍，重点论文已标注✨，部分内容取自本人专栏《深入浅出OCR》系列，上述内容后续会继续更新，欢迎大家订阅学习交流，感谢批评指正！

本篇主要介绍OCR竞赛技巧总结，主要从OCR概念、分类、模型方法、推荐框架、常用trick、评估指标等多个方面进行总结介绍，部分内容取自本人专栏《深入浅出OCR》系列，上述内容后续会继续更新，欢迎大家订阅学习交流，感谢批评指正！

本项目以最新PaddleOCRv3为框架，采用最新的OCR领域算法SVTR，完成手写英文单词识别算法搭建。流程分为数据集构建、数据集处理、模型搭建与预测、推理等，数据集采用好未来教育提供的开源数据集，每张图片对应多个单词，相比传统单个手写数字识别具有一定难度。

本项目采用PaddleOCR开源框架进行写英文单词识别，流程分为数据集构建、数据集处理、模型搭建与预测、推理等，数据集采用好未来教育提供的开源数据集，每张图片对应多个单词，相比传统单个手写数字识别具有一定难度，项目采用CRNN+CTC方法，设定相关参数值，实现不定长的手写英文单词识别。

branch注意力机制主要是关注哪个图片的意思，如一个branch中对不同图片以不同的权重，如CondConv,Dynamic Conv 等；或者在多个branch中，对不同的branch不同的权重，如Highway Network，SKNet, ResNeSt等。

混合注意力是机制基于通道注意力和空间注意力机制，将两者有效的结合在一起，让注意力能关注到两者，又称混合注意力机制，如CBAM,BAM,scSE等，同时基于混合注意力机制的一些关注点，如关注各种跨维度的相互作用；关注长距离的依赖；RGA关注关系感知注意力。

本篇为注意力机制系列第三篇，主要介绍注意力机制中的空间注意力机制，着重详解DCN、Non-local、ViT、DETR等模型，下一篇将对混合注意力机制和时域注意力机制进行讲解。

本篇主要介绍注意力机制中的通道注意力机制，对通道注意力机制方法进行详细讲解，通道注意力机制在计算机视觉中，更关注特征图中channel之间的关系，重点对SENet、ECANe进行重点讲解。

本系列主要介绍计算机视觉领域的注意力机制方法，分为注意力机制概述、通道注意力，空间注意力，混合域注意力和时域注意力、注意力机制总结等不同分类展开介绍，后续系列会对上述各种注意力机制方法进行重点讲解，重点论文会配上论文和对应代码，并简要解释，如有错误请大家在评论区指正，如有侵权联系删除。

本项目基于深度学习的手写汉语拼音识别方法研究与实现。项目采用Pytorch框架，整体采用主流深度学习文字识别算法CRNN+CTC方法，项目流程主要分为数据集采集及标注，算法构建、模型训练、预测与评估等。

本项目为基于PaddleOCR的中文场景文字识别，项目主要以CRNN网络为基础框架，结合数据增强及模型微调，采用ResNet34和MobileNetV3模型作为骨干网络，进行训练及预测。以准确度为评价指标，最终生成的预测文件为work中的result.txt文件。本比赛提供的数据训练集（train_img）是5w张，测试集(test_img)为1w张。训练集原始标注文件（train.list）。所有图像经过预处理，将文字区域进行处理，统一为高48像素的图片。

随着深度学习在近几年的快速发展，智慧交通出现许多不同方面应用，如车牌识别、交通标志检测与识别及综合应用的行人分析系统等。 本项目分为三部分，分别是交通流量预测、车牌识别、车辆检测等，采用热门百度开源框架--PaddlePaddle，其模型方便易上手且生态完善，目前在人工智能各领域取得不错效果，通过PaddleOCR和Yolo框架可分别实现车牌识别与车辆检测任务。

针对保险文本视觉认知问答项目，本文使用paddle框架将OCR与NLP技术相结合，根据不同文档图片数据集进行OCR识别，对问题和回答进行建模 。

本项目为Paddle入门实战系列---基于Paddleocr完成深度学习车牌识别，项目可分为车牌检测与车牌识别两部分，主要流程为数据预处理、模型训练、导出推理模型、测试。

基于PaddleOCR已在文字识别领域取得优秀成果，本项目基于PaddleOCR实现体检报告检测与识别，对数据进行结构化处理，结合CV+NLP技术达到一定识别精度，未来推广应用场景可以基于识别信息做个性化疾病预测与健康推荐。...

摘 要：文字识别可以把海量非结构化数据转换为结构化数据，从而支撑各种创新的人工智能应用，是计算机视觉研究领域的分支之一，其任务是识别出图像中的文字内容，一般输入来自于文本检测得到的文本框截取出的图像文字区域。近几年来，基于深度学习的文字识别算法模型已取得不错成果，其过程无需进行特征处理且可以实现复杂场景文字识别，效果要优于传统文字识别方法，逐渐成为文字识别研究应用的主流方式。本文将主要介绍基于深度学习的文字识别技术综述，分类总结主流文字识别经典算法，讨论未来文字识别领域发展与研究趋势。关键词：OCR...