python场景文字识别_GitHub - fjfabz/CHINESE-OCR: [python3.6] 运用tf实现自然场景文字检测,keras/pytorch实现ctpn+crnn+ctc实现不...

本文基于tensorflow、keras/pytorch实现对自然场景的文字检测及端到端的OCR中文文字识别

参考github仓库

实现功能

文字方向检测 0、90、180、270度检测

文字检测 后期将切换到keras版本文本检测 实现keras端到端的文本检测及识别

不定长OCR识别

环境部署

Bash

##GPU环境

sh setup.sh

##CPU环境

sh setup-cpu.sh

##CPU python3环境

sh setup-python3.sh

使用环境：python3.6+tensorflow1.7+cpu/gpu

模型训练

一共分为3个网络

1. 文本方向检测网络-Classify(vgg16)

2. 文本区域检测网络-CTPN(CNN+RNN)

3. EndToEnd文本识别网络-CRNN(CNN+GRU/LSTM+CTC)

文字方向检测-vgg分类

基于图像分类，在VGG16模型的基础上，训练0、90、180、270度检测的分类模型.

详细代码参考angle/predict.py文件，训练图片8000张，准确率88.23%

文字区域检测CTPN

支持CPU、GPU环境，一键部署，

文本检测训练参考

OCR 端到端识别:CRNN

ocr识别采用GRU+CTC端到到识别技术，实现不分隔识别不定长文字

提供keras 与pytorch版本的训练代码，在理解keras的基础上，可以切换到pytorch版本，此版本更稳定

此外参考了了tensorflow版本的资源仓库：TF:LSTM-CTC_loss

这个仓库咋用呢

如果你只是测试一下

运行demo.py 写入测试图片的路径即可，如果想要显示ctpn的结果，修改文件./ctpn/ctpn/other.py 的draw_boxes函数的最后部分，cv2.inwrite('dest_path',img)，如此，可以得到ctpn检测的文字区域框以及图像的ocr识别结果

如果你想训练这个网络

1 对ctpn进行训练

定位到路径--./ctpn/ctpn/train_net.py

预训练的vgg网络路径VGG_imagenet.npy

将预训练权重下载下来，pretrained_model指向该路径即可,

此外整个模型的预训练权重checkpoint

ctpn数据集还是百度云

数据集下载完成并解压后，将.ctpn/lib/datasets/pascal_voc.py 文件中的pascal_voc 类中的参数self.devkit_path指向数据集的路径即可

2 对crnn进行训练

keras版本 ./train/keras_train/train_batch.py model_path--指向预训练权重位置

MODEL_PATH---指向模型训练保存的位置

keras模型预训练权重

pythorch版本./train/pytorch-train/crnn_main.py

parser.add_argument(

'--crnn',

help="path to crnn (to continue training)",

default=预训练权重的路径，看你下载的预训练权重在哪啦)

parser.add_argument(

'--experiment',

help='Where to store samples and models',

default=模型训练的权重保存位置,这个自己指定)

识别结果展示

文字检测及OCR识别结果

===========================================================

===========================================================

主要是因为训练的时候，只包含中文和英文字母，因此很多公式结构是识别不出来的

看看纯文字的

===========================================================

===========================================================

未完待续

tensorflow版本crnn，计划尝试当前的各种trick(dropuout,bn,learning_decay等)

可以看到，对于纯文字的识别结果还是阔以的呢，感觉可以在crnn网络在加以改进，现在的crnn中的cnn有点浅，

并且rnn层为单层双向+attention，目前正在针对这个地方进行改动，使用迁移学习，以restnet为特征提取层，

使用多层双向动态rnn+attention+ctc的机制，将模型加深，目前正在进行模型搭建，结果好的话就发上来，不好的话只能凉凉了~~~~

参考