向AI转型的程序员都关注了这个号 👇👇👇
人工智能大数据与深度学习 公众号:datayx
- 如何进行ocr? 主要方式有:
(1) 文本检测:yolo v3、 ctpn、psenet等,主要是基于检测、分割的方案。
(2) 文本识别:cnn+ctc、crnn+ctc等。
代码是基于keras实现的ocr
测试结果:
代码获取方式
关注微信公众号 datayx 然后回复 OCR 即可获取。
AI项目体验地址 https://loveai.tech
代码目录
OCR模型训练 (训练时间24小时以上,config.py的参数保持默认、或者修改)
OCR模型测试
$ python test_net_online.py
- OCR模型优化
(1) 选用不同的模型cnn、 crnn等。
(2) 文字生成器选用text_renderer。
(3) 还可可参考:crnn.pytorch、chinese_ocr、awesome-ocr、PSENet、text-detection-ctpn、keras_ocr。
(4)单字的检测和识别可以参考:CPS-OCR-Engine。
阅读过本文的人还看了以下:
分享《深度学习入门:基于Python的理论与实现》高清中文版PDF+源代码
《21个项目玩转深度学习:基于TensorFlow的实践详解》完整版PDF+附书代码
李沐大神开源《动手学深度学习》,加州伯克利深度学习(2019春)教材
【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目,让你掌握深度学习图像分类
如何利用全新的决策树集成级联结构gcForest做特征工程并打分?
Machine Learning Yearning 中文翻译稿
斯坦福CS230官方指南:CNN、RNN及使用技巧速查(打印收藏)
中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程
不断更新资源
深度学习、机器学习、数据分析、python
搜索公众号添加: datayx
长按图片,识别二维码,点关注
AI项目体验
