今天 Gitee 为大家介绍的是一款中文 OCR 包。大家都知道,训练模型是一件非常费时费力的事情,但今天这款项目已经自带训练好的识别模型,我们只需要下载下来使用即可,可以说是非常方便了,那么下面我们就去看看这个项目的详细信息吧。
项目名称:cnocr
项目作者:cyahua
开源许可协议:Apache-2.0
项目地址:https://gitee.com/cyahua/cnocr
项目简介
cnocr是用来做中文OCR的Python 3包。cnocr自带了训练好的识别模型,安装后即可直接使用。
cnocr主要针对的是排版简单的印刷体文字图片,如截图图片,扫描件等。cnocr目前内置的文字检测和分行模块无法处理复杂的文字排版定位。如果要用于场景文字图片的识别,需要结合其他的场景文字检测引擎使用。
示例
可直接使用的模型
cnocr的ocr模型可以分为两阶段:阶段是获得ocr图片的局部编码向量,第二部分是对局部编码向量进行序列学习,获得序列编码向量。目前两个阶段分别包含以下的模型:
- 局部编码模型(emb model)
-
conv
:多层的卷积网络; -
conv-lite
:更小的多层卷积网络; -
densenet
:一个小型的densenet
网络; -
densenet-lite
:一个更小的densenet
网络。 - 序列编码模型(seq model)
-
lstm
:两层的LSTM网络; -
gru
:两层的GRU网络; -
fc
:两层的全连接网络。
cnocr目前包含以下可直接使用的模型,训练好的模型都放在 cnocr-models 项目中,可免费下载使用:
特色
本项目的初期代码fork自 crnn-mxnet-chinese-text-recognition,感谢作者。
但源项目使用起来不够方便,所以我在此基础上做了一些封装和重构。主要变化如下:
- 不再使用需要额外安装的MXNet WarpCTC Loss,改用原生的 MXNet CTC Loss。所以安装极简!
- 自带训练好的中文OCR识别模型。不再需要额外训练!
- 增加了预测(或推断)接口。所以使用方便!
如果你对这个项目感兴趣,想要亲自试一试识别的效果的话,可以点击后面的链接前往项目主页看看,如果觉得不错记得给它一个 Star 哦:gitee.com/cyahua/cnoc…