xiaofengShi/CHINESE-OCR

解決的問題

本專案提供一套用於檢測與識別自然場景影像中中文文字的流程，能處理文字方向變化與可變長度文字字串等挑戰。

工作原理

系統採用三階段網路架構：

1. 文字方向檢測：基於VGG16的分類器，偵測文字是否旋轉了0、90、180或270度。
2. 文字區域檢測：使用CTPN（CNN+RNN）網路，識別水平文字區域的邊界框。
3. 端對端識別：使用CRNN（CNN+GRU/LSTM+CTC）網路，在無需分割單一字元的情況下，識別檢測區域內的實際字元。

適用對象

對中文文字光學字元辨識（OCR）感興趣的研究人員與開發者，特別是尋找使用TensorFlow 1.x、Keras或PyTorch之歷史實作的使用者。

主要亮點

• 多階段流程：整合方向檢測、區域定位與字元識別。
• C-T-C損失：採用連接主義時序分類（CTC）實現無需手動字元級分割即可識別可變長度文字。
• 彈性框架支援：提供Keras與PyTorch兩種框架的訓練程式碼。
• 完整的資料集指南：包含用於訓練中文文字檢測與識別模型的大型公開資料集精選清單。