DeepLearing—CV系列（二十四）——Pytorch实现OCR识别图片转文字（1）——CTPN理论

CTPN论文下载：https://arxiv.org/pdf/1609.03605.pdf

一、OCR简介

文字识别也是图像领域一个常见问题。然而，对于自然场景图像，首先要定位图像中的文字位置，然后才能进行文字的识别。

所以一般来说，从自然场景图片中进行文字识别，需要包括2个步骤：

• 文字检测（CTPN）：解决的问题是哪里有文字，文字的范围有多少

• 文字识别（CRNN）：对定位好的文字区域进行识别，主要解决的问题是每个文字是什么，将图像中的文字区域进转化为字符信息。

OCR的作用：提取图像中的文字，并转换成文本形式，供后续NLP任务使用。

二、CTPN（Connectionist Text Proposal Network）连接文本提议网络

2.1 CTPN简介

文本检测本质上也属于物体检测，但是文本却跟常规的物体有较大区别。

CTPN的提出，基于：
①文本通常都是从左往右写的（水平），并且字之间的宽度都大致相同。
②固定宽度，来检测文本高度即可，但是如何应对变长序列呢？
③本质上还是RPN方法（可参考faster-RC