xiaofengShi/CHINESE-OCR

解决的问题

本项目提供了一套用于检测和识别自然场景图像中中文文本的流水线，能够应对文本方向变化和可变长度文本字符串等挑战。

工作原理

该系统采用三阶段网络架构：

1. 文本方向检测：基于VGG16的分类器，检测文本是否旋转了0、90、180或270度。
2. 文本区域检测：使用CTPN（CNN+RNN）网络，识别水平文本区域的边界框。
3. 端到端识别：使用CRNN（CNN+GRU/LSTM+CTC）网络，在无需分割单个字符的情况下，识别检测区域内的实际字符。

适用人群

对中文文本光学字符识别（OCR）感兴趣的科研人员和开发者，特别是希望使用TensorFlow 1.x、Keras或PyTorch进行历史实现的用户。

主要亮点

• 多阶段流水线：整合方向检测、区域定位和字符识别。
• C-T-C损失：采用连接主义时序分类（CTC）实现无需手动字符级分割即可识别可变长度文本。
• 灵活框架支持：提供Keras和PyTorch两种框架的训练代码。
• 全面的数据集指南：包含用于训练中文文本检测与识别模型的大型公开数据集精选列表。