OCR文字识别app的实现（教程详细，适用于新手）

OCR技术的主流模型有CNN+softmax，CNN+RNN+CTC,CNN+attention等等，这些模型都是基于深度学习的方法，能够有效的识别文字。

• 如何从图像中提取文本呢？
  • 检测到文字所在位置（CTPN）：Connectionist Text Proposal Network.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。
    • 文本通常都是从左往右写的（水平方向），并且字之间的宽度都大致相同。
    • 固定宽度，来检测文本高度即可，但是如何应对变长序列呢？
    • 本质上还是RPN方法（可参考faster-rcnn）,可将检测到的框拼在一起。
  • 识别文本区域内容（CRNN）。

基于我对CNN+RNN+CTC（CRNN+CTC）模型的了解，我选择了百度飞桨paddleOCR来实现一个文字识别app。（哈哈，这个结局没想到吧）

step1:先配置paddleOCR的实现环境
参考链接：https://www.paddlepaddle.org.cn/documentation/docs/zh/install/index_cn.html
https://blog.csdn.net/David_B/article/details/113576999
以上链接中着重关注一下GPU的下载指令，很复杂的文字识别图像能感觉到GPU处理速度比CPU明显快。
step2:pycharm试试python代码