OCR/STR文字识别常用工程模型

最新推荐文章于 2024-05-07 23:56:57 发布
最新推荐文章于 2024-05-07 23:56:57 发布
阅读量909 收藏 4
点赞数
分类专栏： 《视觉图像处理工程应用》解决方案
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yunxinan/article/details/110874802
版权

文本检测
CTPN
论文名称:《Detecting Text in Natural Image with Connectionist Text Proposal Network》
开源代码:https://github.com/lvliguoren/pytorch_ctpn
在这里插入图片描述

EAST
论文名称:《Efficient and Accuracy Scene Text》
开源代码:https://github.com/SakuraRiven/EAST
在这里插入图片描述

CRAFT
论文名称:《Character Region Awareness for Text Detection》
开源代码:https://github.com/clovaai/CRAFT-pytorch
在这里插入图片描述

DBNet(PSENet/PANNet/DBNet)
论文名称:《Real-time Scene Text Detection with Differentiable Binarization》
开源代码:https://github.com/MhLiao/DB
：https://github.com/WenmuZhou/DBNet.pytorch
在这里插入图片描述

ABCNet
论文名称:《Real-time Scene Text Spotting with Adaptive Bezier-Curve Network》
开源代码:https://github.com/aim-uofa/AdelaiDet
：https://github.com/Yuliang-Liu/bezier_curve_text_spotting
在这里插入图片描述

文本识别
（1）CRNN：CNN+RNN+CTC
（2）CNN+Seq2Seq+Attention

Eric An
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
OCR文字识别，即STR场景文本检测 网络模型发展概述
Sesen的木屋
10-28 3156
随着深度学习的发展，计算机视觉领域涌现出了很多端到端模型，图像、场景文字检测识别模型也在此基础上有个长远发展。 1、基础网络框架 在CV领域，图像识别、检测的基础是特征提取，经典的图像分类模型包括VGGNet，ResNet、InceptionNet（GoogleNet）、DenseNet、Inside-Outside Net、Se-Net等，这些网络可以作为基础网络（通用网络模型），对输...
一个关于OCR/STR深度学习算法的综述
陶将的博客
07-01 6061
好长时间没有写博客了，草稿箱里未完成的文章成堆了，不论之前是什么原因，是时间清理一下了，拖延可不是个好习惯，好了，废话不多说了。原意是要做一个综述性的文章，鉴于笔者能力有限，不会包含所有的OCR/STR中所有的算法，但是一些常见的算法必不可少。 光学字符识别(Optical Character Recognition, OCR)传统上指对输入扫描文档图像进行分析处理，识别出图像中文字信息。场景文...
OCR文本识别模型CRNN
最新发布
weixin_43227526的博客
05-07 885
OCR文本识别模型CRNN网络原理和代码
C# 通用OCR识别 文字识别 中文识别
.NET 人工智能实践
02-20 5047
C# 通用OCR识别
Paddle OCR v4 微调训练文字识别SVTRNet模型实践
every place is the center of the universe
04-25 2329
paddle ocr v4 微调训练文字识别模型实践
C# 通用OCR识别 文字识别 中文识别 服务
.NET 人工智能实践
07-21 956
C# 通用OCR识别 文字识别 中文识别 服务
PaddleOCR #使用PaddleOCR进行光学字符识别 - OCR模型对比
有时有味的博客
06-26 1762
PaddleOCR 在其工具包中提供了多种模型，并且非常易于应用。根据准确性和速度比较模型始终是一个好习惯。在本节中，我们将比较 PaddleOCR 提供的四种模型，即 SRN、PP-OCRv2、PP-OCRv3 和 NRTR。
python之OCR文字识别
热门推荐
wu_zhiyuan的博客
06-22 3万+
光学文字识别（Optical Character Recognition，OCR）。
C# OpenVINO 通用OCR识别 文字识别 中文识别 服务
.NET 人工智能实践
10-12 920
C# OpenVINO 通用OCR识别 文字识别 中文识别 服务
OCR/STR生僻字数据训练 | PaddleOCR的Fine-tune常见问题汇总（3）
Andrwin的博客
09-18 7077
1、印章如何识别？ 使用带tps的识别网络或abcnet,2.使用极坐标变换将图片拉平之后使用crnn 2、多语言的字典里是混合了不同的语种，这个是有什么讲究吗？统一到一个字典里会对精度造成多大的损失？ 统一到一个字典里，会造成最后一层FC过大，增加模型大小。如果有特殊需求的话，可以把需要的几种语言合并字典训练模型，合并字典之后如果引入过多的形近字，可能会造成精度损失，字符平衡的问题可能也需要考虑一下。在PaddleOCR里暂时将语言字典分开。 3、如何对检测模型finetune，比如冻结.
基于深度学习的场景文字识别方法研究综述
03-20
未来的研究方向可能会集中在以下几个方面：(1) 开发更适应复杂环境变化的检测和识别模型；(2) 结合多模态信息，如语义和上下文，提高识别的准确性；(3) 实现跨语言文字识别，以适应全球化的需求；(4) 探索轻量级模型...
讯飞图片转文字ocr接口实例python3.X
09-09
【标题】：“讯飞图片转文字OCR接口实例Python3.X” 在信息技术日益发达的今天，光学字符识别（OCR）技术已经成为了将图像中的文本转换为可编辑文本的关键工具。讯飞作为中国领先的AI公司，提供了丰富的OCR接口，...
Transformer_STR:我的基于Transformer的场景文本识别新方法（STR）的PyTorch实现，配备了Transformer，在CUTE80上，该方法的最佳模型优于上述深层文本识别基准的7.6％
05-04
基于变压器的场景文本识别（Transformer-STR） 我的基于场景文本识别（STR）新方法的PyTorch实现。 我改编了由设计的四阶段STR框架，并替换了Pred. 变压器的舞台。 配备了Transformer，此方法在CUTE80上优于上述...
自然场景文字识别ICDAR2015
10-20
自然场景文字识别（Scene Text Recognition, STR）是计算机视觉领域中的一个重要研究方向，它涉及到图像处理、模式识别和深度学习等多个技术。ICDAR（International Conference on Document Analysis and ...
屏幕文字识别
08-20
文字识别是指从图像中自动检测并识别出文本的过程，常用的技术有光学字符识别（OCR）和手写体识别（MODI）等。这里主要介绍OCR技术及其应用。 - **OCR工作原理**：OCR技术基于模式识别理论，通过训练模型来识别不同...
交通灯数据集
yunxinan的专栏
03-06 1万+
博世小交通灯数据集：用于深度学习的小型交通灯的数据集。 https://hci.iwr.uni-heidelberg.de/node/6132 LaRa交通灯识别：巴黎的交通信号灯数据集。 http://www.lara.prd.fr/benchmarks/trafficlightsrecognition WPI数据集：交通灯、行人和车道检测的数据集。 http://computing.wpi.e...
V-Net、U-net、AttentionGatedVNet
yunxinan的专栏
07-24 1万+
由于时间不够简单描述，稍微补全。 Nassir Navab等人发表在IEEE 3D Vison上的论文V-Net，是U-Net[1]的3D版本，其实U-Net作者自己也发表了3D U-Net[2]。 论文贡献：第一，3D图像分割end2ent模型（基于3D卷积），用于MRI前列腺容积医学图像分割。第二，新的目标函数，基于Dice coefficient。第三，数据扩充方法：random no...
2023年目标检测研究进展
yunxinan的专栏
08-20 6216
1：本文主要总结近两年的部分目标检测成果2：本文通过这些研究给出学派发展方向参考3：本文针对理论基础研究进行探索性的分析4：个人目前相关工作内容的一些基本的介绍（命名实体识别，文献情报分析，摘要内容生成，亚像素图像处理，超分辨图像处理，编码器，解码器，生成器，判别器，基于加瓦罗定理与海涅定理的认知计算理论研究，基于多模态可编程异构的下一代芯片设计，互联式实时芯片操作系统）
yolov7ocr文字识别
12-15
很抱歉，目前并不存在YOLOv7这个版本，YOLO目前最新的版本是YOLOv5。不过，YOLOv5可以与OCR结合使用，实现文字识别的功能。以下是一个基于YOLOv5和OCR的文字识别的例子： 首先，需要安装YOLOv5和OCR的Python库。可以使用以下命令进行安装： ```shell pip install yolov5 easyocr ``` 然后，可以使用以下代码进行文字识别： ```python import cv2 import easyocr from matplotlib import pyplot as plt from pathlib import Path # 加载YOLOv5模型 model = cv2.dnn.readNet('yolov5s.torchscript.pt', 'yolov5s.yaml') # 加载OCR模型 reader = easyocr.Reader(['ch_sim', 'en']) # 加载图片 img_path = Path('example.jpg') img = cv2.imread(str(img_path)) # 使用YOLOv5检测文本区域 blob = cv2.dnn.blobFromImage(img, size=(640, 640), swapRB=True) model.setInput(blob) outs = model.forward(['output']) boxes = [] confidences = [] for out in outs: for detection in out: scores = detection[5:] class_id = np.argmax(scores) confidence = scores[class_id] if confidence > 0.5 and class_id == 0: box = detection[:4] * np.array([img.shape[1], img.shape[0], img.shape[1], img.shape[0]]) (centerX, centerY, width, height) = box.astype("int") x = int(centerX - (width / 2)) y = int(centerY - (height / 2)) boxes.append([x, y, int(width), int(height)]) confidences.append(float(confidence)) # 对文本区域进行OCR识别 results = reader.recognize(img, boxes) # 显示结果 for (bbox, text, prob) in results: (tl, tr, br, bl) = bbox tl = (int(tl[0]), int(tl[1])) tr = (int(tr[0]), int(tr[1])) br = (int(br[0]), int(br[1])) bl = (int(bl[0]), int(bl[1])) cv2.rectangle(img, tl, br, (0, 255, 0), 2) cv2.putText(img, text, (tl[0], tl[1] - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 2) plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)) plt.show() ``` 这段代码会加载YOLOv5模型和OCR模型，然后使用YOLOv5检测文本区域，最后对文本区域进行OCR识别，并在图片上显示识别结果。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值