%20(2).svg)
项目简介
本项目是一个基于YOLOv3和CRNN的中文自然场景文字检测及识别系统。它结合了YOLOv3目标检测算法和CRNN（卷积循环神经网络），用于识别图像中的中文文本。系统支持文本方向检测、不定长OCR训练以及身份证/火车票结构化数据识别等功能，还提供多种模型的转换和加速功能，如从PyTorch到Keras模型的转换、从Darknet到Keras模型的转换等。
项目的主要特性和功能
- 文字方向检测：支持0、90、180、270度检测，支持dnn/tensorflow。
- 多框架支持：支持darknet、opencv dnn、keras文字检测，支持darknet/keras训练。
- 不定长OCR训练：支持英文、中英文OCR识别及训练，提供从PyTorch转Keras模型代码。
- 模型转换：支持darknet转keras、keras转darknet、pytorch转keras模型。
- 结构化数据识别：支持身份证/火车票结构化数据识别。
- 性能优化：支持CPU版本加速、基于用户字典的OCR识别以及语言模型修正OCR识别结果。
安装使用步骤
1. 环境准备
- GPU部署：参考
setup.md。 - CPU部署：参考
setup-cpu.md。
2. 下载编译darknet（如果使用opencv dnn或keras yolo3可忽略）
bash
mv darknet chineseocr/
make
修改 darknet/python/darknet.py 第48行：
python
root = '/root/' # chineseocr所在目录
lib = CDLL(root + "chineseocr/darknet/libdarknet.so", RTLD_GLOBAL)
3. 下载模型文件
4. 模型转换（非必须）
- PyTorch OCR 转 Keras OCR：
bash python tools/pytorch_to_keras.py -weights_path models/ocr-dense.pth -output_path models/ocr-dense-keras.h5 - Darknet 转 Keras：
bash python tools/darknet_to_keras.py -cfg_path models/text.cfg -weights_path models/text.weights -output_path models/text.h5 - Keras 转 Darknet：
bash python tools/keras_to_darknet.py -cfg_path models/text.cfg -weights_path models/text.h5 -output_path models/text.weights
5. 模型选择
参考 config.py 文件。
6. 构建Docker镜像（可选）
bash
docker build -t chineseocr .
docker run -d -p 8080:8080 chineseocr /root/anaconda3/bin/python app.py
7. 启动Web服务
bash
cd chineseocr # 进入chineseocr目录
python app.py 8080 # 8080端口号，可以设置任意端口
8. 访问服务
访问 http://127.0.0.1:8080/ocr 进行文字检测和识别。
下载地址
点击下载 【提取码: 4003】【解压密码: www.makuang.net】