ocr.pytorch

一个纯 PyTorch 实现的 OCR 项目。
文本检测基于 CTPN，文本识别基于 CRNN。未来还将支持更多检测和识别方法！

前置条件

• python-3.5+
• pytorch-0.4.1+
• torchvision-0.2.1
• opencv-3.4.0.14
• numpy-1.14.3

除了 PyTorch 和 torchvision 之外，其他依赖库都可以通过 pip 安装。至于 PyTorch 和 torchvision，它们都与你的 CUDA 版本相关，建议阅读 PyTorch 官方网站。

检测

检测基于 CTPN，部分代码借鉴自 pytorch_ctpn。以下是几个检测结果：

识别

识别基于 CRNN，部分代码借鉴自 crnn.pytorch。

测试

从 百度网盘（提取码：u2ff）或 Google Drive 下载预训练模型，并将这些文件放入 checkpoints 目录中。然后运行：

python3 demo.py

程序会测试 ./test_images 目录中的图像文件，进行文本检测和识别，结果将保存到 ./test_result 目录中。

如果你想单独测试一张图片，可以运行：

python3 test_one.py [filename]

训练

训练代码位于 train_code 目录下。
训练 CTPN
训练 CRNN

许可证

MIT 许可证

ocr.pytorch 快速上手指南

ocr.pytorch 是一个纯 PyTorch 实现的 OCR 项目，文本检测基于 CTPN 算法，文本识别基于 CRNN 算法。

环境准备

系统要求

• Python 3.5+
• CUDA（用于加速 PyTorch，版本需与 PyTorch 匹配）

前置依赖

请确保已安装以下库：

• pytorch >= 0.4.1
• torchvision >= 0.2.1
• opencv-python == 3.4.0.14
• numpy == 1.14.3

注意：PyTorch 和 Torchvision 的安装强烈依赖您的 CUDA 版本。请访问 PyTorch 官网 获取适合您环境的安装命令。国内用户推荐使用清华或阿里镜像源加速安装。

安装步骤

1. 安装基础依赖 使用 pip 安装除 PyTorch 以外的依赖包：

   pip install opencv-python==3.4.0.14 numpy==1.14.3
   

2. 安装 PyTorch 和 Torchvision 根据您的 CUDA 版本，从官网复制对应的安装命令。例如（以 CUDA 9.2 为例）：

   pip install torch==0.4.1 torchvision==0.2.1
   

   国内用户可使用清华源加速：

   pip install torch==0.4.1 torchvision==0.2.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
   

3. 下载预训练模型 从以下任一地址下载预训练模型文件，并将其放入项目根目录下的 checkpoints 文件夹中：

   • 百度网盘: 下载链接 (提取码: u2ff)
   • Google Drive: 下载链接

基本使用

批量测试

运行以下命令，程序将自动处理 ./test_images 目录下的所有图片，进行文本检测与识别，结果将保存至 ./test_result 目录：

python3 demo.py

单张图片测试

若只需测试单张图片，请使用以下命令（将 [filename] 替换为实际图片路径）：

python3 test_one.py [filename]