OCR-CTPN OCR文字检测

Posted 2021-09-22 myriads_changes_

文本检测和一般目标检测的不同——文本线是一个sequence（字符、字符的一部分、多字符组成的一个sequence），而不是一般目标检测中只有一个独立的目标。这既是优势，也是难点。优势体现在同一文本线上不同字符可以互相利用上下文，可以用sequence的方法比如RNN来表示。难点体现在要检测出一个完整的文本线，同一文本线上不同字符可能差异大，距离远，要作为一个整体检测出来难度比单个目标更大——因此，作者认为预测文本的竖直位置（文本bounding box的上下边界）比水平位置（文本bounding box的左右边界）更容易。

环境：

• pytorch最新版
• ubunt18.05
• opencv
• pillow
• numpy

文章目录

• 前言
• 一、数据集准备
• 二、数据标签准备
• 三、模型训练
• 四、文字检测（CTPN）完整代码
• 五、结果展示

---

前言

前期数据的准备，需要大家自己去爬取或者下载
GitHub上面很多，国外的网站有很多开源的；

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、数据集准备

在这里我使用了600张图片来训练模型，由于数据集不是很好，模型的泛化能力较差（鲁棒性差），大家可以使用更多的数据来训练模型。

样本数据集
在这里大家爱还可以使用自己准备的数据集，来训练模型。

二、数据标签准备

在这里的标签就更简单了，大家可以使用labelimg标签工具来打标签，得到的XML文件可以提取其中的坐标信息；

在这里就需要注意的是，我们的每张图片的标签文件（xxxx.txt）必须是一张图一个标签文件，名字必须是一一对应
左上，右上，右下，左下，str

三、模型训练

链接：https://pan.baidu.com/s/14JiJvkpNkFnIrGmkPxOjRQ
提取码：8888

大家可以下载下来，目录结构就是大概这样，ctpn_train.py是训练文件，其他的文件都是配置文件。

大家吧config.py文件里面的数据 集路径配置好就行

四、文字检测（CTPN）完整代码

链接：https://pan.baidu.com/s/14JiJvkpNkFnIrGmkPxOjRQ
提取码：8888

五、结果展示

希望这篇文章对你有用！
谢谢点赞评论！