本项目基于chineseocr 与psenet 实现中文自然场景文字检测及识别

环境

pytorch 1.2.0 linux/macos

PSENET 编译

cd psenet/pse
rm -rf pse.so 
make 

实现功能

• 提供轻量的backone检测模型psenet（8.5M）,crnn_lstm_lite(9.5M) 和行文本方向分类网络（1.5M）
• 任意方向文字检测，识别时判断行文本方向
• crnn\crnn_lite lstm\dense识别（ocr-dense和ocr-lstm是搬运chineseocr的）
• 支持竖排文本识别
• ncnn 实现
• mnn 实现

2020.03.14更新

• nihui大佬实现的crnn_lstm推理 DayBreak-u#41
• 升级crnn_lite_lstm_dw.pth模型crnn_lite_lstm_dw_v2.pth , 精度更高
• 提供竖排文字样例以及字体库（旋转90度的字体）

字体样式：

生成的竖排文本样例：

web服务启动

cd chineseocr_lite## 进入chineseocr目录
python app.py 8080 ##8080端口号，可以设置任意端口

访问服务

http://127.0.0.1:8080/ocr

识别结果展示

ncnn检测识别展示(x86 cpu 单进程)

因为ncnn模型都是dense的 lstm的没转成功，效果差的不少，以后继续优化

参考

1. crnn https://github.com/meijieru/crnn.pytorch.git
2. chineseocr https://github.com/chineseocr/chineseocr
3. Psenet https://github.com/WenmuZhou/PSENet.pytorch
4. 语言模型实现 https://github.com/lukhy/masr