【AI实战】超赞的几个OCR开源项目

OCR

OCR（optical character recognition）文字识别是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，然后用字符识别方法将形状翻译成计算机文字的过程。
点击查看百科：OCR文字识别 介绍

历史背景

光学文字识别的概念是在1929年由德国科学家Tausheck最先提出来的，后来美国科学家Handel也提出了利用技术对文字进行识别的想法。而最早对印刷体汉字识别进行研究的是IBM公司的Casey和Nagy，1966年他们发表了第一篇关于汉字识别的文章，采用了模板匹配法识别了1000个印刷体汉字。

20世纪70年代初，日本的学者开始研究汉字识别，并做了大量的工作。

1986年以后我国的OCR研究有了很大进展，在汉字建模和识别方法上都有所创新，在系统研制和开发应用中都取得了丰硕的成果，不少单位相继推出了中文OCR产品。

早期的OCR软件结构

1、图像输入、预处理

2、二值化

3、噪声去除

4、倾斜较正

5、版面分析

6、字符切割

7、字符识别

8、版面恢复

9、后处理、校对

超赞的几个OCR开源项目介绍

• 第一名：PaddleOCR

  • PaddleOCR旨在打造一套丰富、领先、且实用的OCR工具库，助力开发者训练出更好的模型，并应用落地。

  • 开源地址：https://github.com/PaddlePaddle/PaddleOCR

  • 特性
    支持多种OCR相关前沿算法，在此基础上打造产业级特色模型PP-OCR和PP-Structure，并打通数据生产、模型训练、压缩、预测部署全流程。

  

  • 在线网站体验：
    超轻量PP-OCR mobile模型体验地址：https://www.paddlepaddle.org.cn/hub/scene/ocr

  • 移动端demo体验：
    安装包DEMO下载地址(基于EasyEdge和Paddle-Lite, 支持iOS和Android系统)https://ai.baidu.com/easyedge/app/openSource?from=paddlelite

  • 文本检测算法效果
    

  • 文本识别算法效果
    

• 第二名：EasyOCR

  • Ready-to-use OCR with 80+ supported languages and all popular writing scripts including: Latin, Chinese, Arabic, Devanagari, Cyrillic, etc.

  • 开源地址：https://github.com/JaidedAI/EasyOCR

  • 算法效果
    

  • DEMO地址
    https://www.jaided.ai/easyocr

  • 教程
    https://www.jaided.ai/easyocr/tutorial

• 第三名：chineseocr

  • 本项目基于yolo3 与crnn 实现中文自然场景文字检测及识别

  • 该项目提供了数据集
    ocr ctc训练数据集(压缩包解码:chineseocr)
    百度网盘地址:链接: https://pan.baidu.com/s/1UcUKUUELLwdM29zfbztzdw 提取码: atwn

  • 实现功能
    文字方向检测 0、90、180、270度检测（支持dnn/tensorflow）
    支持(darknet/opencv dnn /keras)文字检测,支持darknet/keras训练
    不定长OCR训练(英文、中英文) crnn\dense ocr 识别及训练 ,新增pytorch转keras模型代码(tools/pytorch_to_keras.py)

  • 其他说明：
    https://github.com/chineseocr/chineseocr#readme

• 第四名：YCG09/chinese_ocr

  • 基于Tensorflow和Keras实现端到端的不定长中文字符检测和识别

    文本检测：CTPN
    文本识别：DenseNet + CTC

  • 该项目提供了数据集：
    https://pan.baidu.com/s/1QkI7kjah8SPHwOQ40rS1Pw (密码：lu7m)

    共约364万张图片，按照99:1划分成训练集和验证集
    数据利用中文语料库（新闻 + 文言文），通过字体、大小、灰度、模糊、透视、拉伸等变化随机生成
    包含汉字、英文字母、数字和标点共5990个字符
    每个样本固定10个字符，字符随机截取自语料库中的句子
    图片分辨率统一为280x32

其他开源项目

https://github.com/eragonruan/text-detection-ctpn

https://github.com/senlinuc/caffe_ocr

https://github.com/chineseocr/chinese-ocr

https://github.com/xiaomaxiao/keras_ocr

https://github.com/alisen39/TrWebOCR

https://github.com/da03/Attention-OCR

https://github.com/JinpengLI/deep_ocr