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。

导读:本文为本系列第二章，在上一章中，我们对OCR的概念、发展历程等做了详细解读，并介绍了几种OCR识别方法，本章将继续针对OCR文字识别进行详细讨论，通过不同的OCR分类识别数据集进一步介绍常用的几种OCR算法，对比传统OCR与深度学习OCR。首先是传统OCR识别方法，下面内容将从我国OCR研究历程开始展开。这篇文章将对OCR技术进行分类描述，我国OCR发展过程：我国的印刷体汉字识别研究是从上世纪70年代末起步的，至今己有近三十年的发展历...

📝导读：在本系列前两章内容中，主要介绍OCR的概念、发展及主流OCR技术介绍，本章将继续介绍深度学习在OCR方法的应用。首先回顾第一章的内容，文中提到OCR识别过程，大部分识别流程包括文字检测和文字识别部分，本章将对文字检测部分进行详细阐述。本系列目录：1️⃣OCR系列第一章：OCR文字识别技术总结（一）2️⃣OCR系列第二章：OCR文字识别技术总结（二）3️⃣OCR系列第三章：OCR文字识别技术总结（三）一、OCR文字识别方法发展二、文本检测概念介绍...

导读：在上一篇文章中我们对文字检测各类算法进行总结，本篇将继续介绍OCR领域文字识别理论部分的研究，将从规则文本及不规则文本的文字识别进行展开，主要介绍主流文字识别相关算法。

OCR文本识别实战📝导读：在上一篇文章中我们对文字识别算法理论部分进行详细总结，本篇将继续介绍文字识别CRNN网络实战部分，下面将从CRNN实践代码出发进一步说明文字识别实战流程。本系列目录：1️⃣OCR系列第一章：OCR文字识别技术总结（一）2️⃣OCR系列第二章：OCR文字识别技术总结（二）3️⃣OCR系列第三章：OCR文字识别技术总结（三）4️⃣OCR系列第四章：OCR文字识别技术总结（四）5️⃣OCR系列第五章：OCR文字识别技术总结（五）......

《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。

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！

💚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。

💚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。

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。

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》(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。

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...

本篇将介绍文字识别经典论文，内容包括文字检测、文字识别、端到端识别等方法，具体将分别对论文算法简介、思路、代码等几个部分展开介绍。目前各部分只举例经典论文，算法没有全部写完，后续会将在此部分基础上更新更多论文综述及代码实战部分。.................................

本文主要介绍OCR领域经典深度学习方法CRNN+CTC,CRNN是一种卷积循环神经网络结构，用于解决基于图像的序列识别问题，特别是场景文字识别问题。CRNN网络结构包含三部分，从下到上依次为：1. 卷积层。作用是从输入图像中提取特征序列。2. 循环层。......

本文主要主要介绍文字识别经典论文ASTER,其主要解决不规则排列文字的文字识别问题，论文为之前CVPR206的paper（Robust Scene Text Recognition with Automatic Rectification，方法简称为RARE）的改进版。1. 主要思路针对不规则文字，先矫正成正常线性排列的文字，再识别； 整合矫正网络和识别网络成为一个端到端网络来训练； 矫正网络使用STN，识别网络用经典的sequence to sequence + attention......

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。

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。...

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。

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。

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。

基于CRNN的文本字符交易验证码识别，本项目使用Paddle框架实现，为2022数字中国创新大赛比赛项目，参考其他开源项目完成PaddleOCR比赛实战。接下来将介绍使用Paddle进行验证码识别比赛及具体训练流程。

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。

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。

本篇主要介绍机器学习主要概念，包括不限于标签、特征、样本、训练、模型、回归模型、分类模型、泛化、过拟合、预测、平稳性、训练集、验证集、测试集。

本系列主要介绍计算机视觉图像处理方向，分为上中下三部分文章，本篇主要详解OpenCV基础方向知识及操作，参考开源资料对OpenCV进行总结，后续将继续更新，适合CV方向同学学习。

​本文主要介绍Transformer系列，从基础到理论，对注意力机制进行总结并解释《Attention is all you need》，提出解决sequence to sequence问题的transformer模型，用全attention的结构代替了lstm，抛弃了之前传统的encoder-decoder模型必须结合cnn或者rnn的固有模式，只用attention。文章的主要目的是在减少计算量和提高并行效率的同时不损害最终的实验结果。