GitHub：https://github.com/pengcao/chinese_ocr https://github.com/xiaofengShi/CHINESE-OCR
|-angle 基于VGG分类模型的文字方向检测预测|-bash 环境安装|----setup-python3.sh 安装python3环境|----setup-python3-cpu.sh 安装CPU环境|----setup-python3-gpu.sh 安装CPU环境|-crnn |-ctpn 基于CTPN模型的文本区域检测模型训练及预测|-model|----modelAngle.h5 文字方向检测VGG模型|----my_model_keras.h5 文本识别CRNN模型|-ocr 基于CRNN的文本识别模型预测|-result 预测图片|-test 测试图片|-train 基于CRNN的文本识别模型训练
环境要求：
python3.-cpu/gpugraphvizpydot(py)torchtorchvision
- 卸载旧版本的pytorch和torchvision
pip uninstall torchvision pip uninstall torch
- 安装pytorch
1）Anaconda搜索torch
2）选择标记处点开
3）Anaconda Prompt - conda install -c peterjc123 pytorch
- 安装torchvision
conda install torchvision -c pytorch # TorchVision requires PyTorch 1.1 or newer
离线安装pytorch1）.whl安装
从pytorch官网https://pytorch.org/previous-versions/下载合适版本torch及torchvision的whl
# 直接对whl文件进行编译即可 pip install torch--cp36-cp36m-linux_x86_64.whl pip install torchvision--py2.py3-none-any.whl
2）.tar.gz安装
下载对应版本的.tar.gz文件，并解压
# 进入解压目录，执行安装命令 python setup.py install
离线安装GCC（Tensorflow部分第三方模块需要GCC进行编译，所以在安装第三方的依赖包之前先安装GCC）
从https://pkgs.org/download/gcc下载gcc-4.8.5-28.el7_5.1.x86_64.rpm版本，并且在require部分下载所需要的rpm文件（根据报错缺失的rpm下载）
rpm -ivh gcc-4.8.5-28.el7_5.1.x86_64.rpm # 如果已经有旧的版本会报conflicts with错误 rpm -ivh gcc-4.8.5-28.el7_5.1.x86_64.rpm --force
模型
- 文本方向检测网络 - Classify(vgg16)
- 文本区域检测网络 - CTPN(CNN+RNN) - 支持CPU、GPU环境，一键部署 - 文本检测训练Github：https://github.com/eragonruan/text-detection-ctpn
- EndToEnd文本识别网络 - CRNN(CNN+GRU/LSTM+CTC)
文本方向检测
训练：基于图像分类模型 - VGG16分类模型，训练0、90、180、270度检测的分类模型（angle/predict.py），训练图片8000张，准确率88.23%
模型：https://pan.baidu.com/s/1Sqbnoeh1lCMmtp64XBaK9w（n2v4）
文本区域检测
基于深度学习的文本区域检测方法：http://xiaofengshi.com/2019/01/23/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0-TextDetection/
CTPN(CNN+RNN)网路结构：
CTPN是一种基于目标检测方法的文本检测模型，在repo的CTPN中anchor的设置为固定宽度，高度不同，相关代码如下：
def generate_anchors(base_size=, ratios=[, ],
scales= ** np.arange(, )):
heights = [, , , , , , , , , ]
widths = []
sizes = []
for h in heights:
for w in widths:
sizes.append((h, w))
return generate_basic_anchors(sizes)基于这种设置，CTPN只能检测水平方向的文本，如果想要CTPN可以支持垂直文本检测，可以在anchor生成函数上进行修改
对CTPN进行训练：
- 训练脚本 - 定位到路径：./ctpn/ctpn/train_net.py
- 预训练的VGG网络路径[VGG_imagenet.npy]：https://pan.baidu.com/s/1jzrcCr0tX6xAiVoolVRyew（a5ze) - 将预训练权重下载下来，pretrained_model指向该路径即可
- 模型的预训练权重[checkpoint]：https://pan.baidu.com/s/1oS6_kqHgmcunkooTAXE8GA（xmjv)
- CTPN数据集[VOCdevkit.zip]：https://pan.baidu.com/s/1NXFmdP_OgRF42xfHXUhBHQ - 下载解压后将.ctpn/lib/datasets/pascal_voc.py文件中的pascal_voc类中的参数self.devkit_path指向数据集的路径即可
端到端(EndToEnd)文本识别
OCR识别采用GRU+CTC[CRNN(CNN+GRU/LSTM+CTC)]端到端识别技术，实现不分隔识别不定长文字
CTC - CTC算法原理
CTC是一种解码机制，在使用CTPN提取到待检测文本行之后，需要识别提取到的区域内的文本内容，目前广泛存在两种解码机制。
- 一种是Seq2Seq机制，输入的是图像，经过卷积编码之后再使用RNN解码，为了提高识别的准确率，一般会加入Attention机制；
- 另一种就是CTC解码机制，但是对于CTC解码要满足一个前提，那就是输入序列的长度不小于输出序列的长度。CTC主要用于序列解码，不需要对序列中的每个元素进行标记，只需要知道输入序列对应的整个Label是什么即可，针对OCR项目，也就是输入一张图像上面写着“欢迎来到中国”这几个字，只需要是这几个字，而没必要知道这几个字在输入图像中所在的具体位置，实际上如果知道每个字所在的位置，就是单字符识别了，的确会降低任务的复杂多，但是现实中我们没有这么多标记号位置的数据，这个时候CTC就显得很重要了。
对CRNN进行训练：
- keras版本：./train/keras_train/train_batch.py（model_path-指向预训练权重位置，MODEL_PATH-指向模型训练保存的位置）
- pythorch版本：./train/pytorch-train/crnn_main.py
parser.add_argument(
'--crnn',
help="path to crnn (to continue training)",
default=预训练权重的路径)
parser.add_argument(
'--experiment',
help='Where to store samples and models',
default=定义的模型训练的权重保存位置)模型：
keras模型预训练权重：https://pan.baidu.com/s/14cTCedz1ESnj0mM9ISm__w（1kb9)
pytorch预训练权重：https://pan.baidu.com/s/1kAXKudJLqJbEKfGcJUMVtw（9six）
预测测试
运行predict.predict(demo).py：写入测试图片的路径即可
如果想要显示CTPN的结果，修改文件./ctpn/ctpn/other.py的draw_boxes函数的最后部分，cv2.inwrite('dest_path',img)，如此可以得到CTPN检测的文字区域框以及图像的OCR识别结果