本项目基于chineseocr 与psenet 实现中文自然场景文字检测及识别

环境

pytorch 1.2.0
python3
linux/macos/windows

windows环境配置参考热心网友的文章Python构建快速高效的中文文字识别OCR 👍
windows环境运行需要手动编译psenet/pse目录下的pse.cpp为DLL，为了方便新增支持python3.5和python3.6的pyd文件，在windows平台运行的时候需要根据自己环境的python版本更改对应的pyd文件为pse.pyd即可
Docker 环境
1. 可以直接在项目根目录下面运行docker build -t my/chineseocr . 构建运行环境的镜像，也可以
  
  使用其他已经构建好的镜像docker run -dit -p 8080:8080 -v /mnt/d/data/:/data --name chineseocr vitzy/chineseocr_lite。
2. 可通过docker attach --sig-proxy=false <container id> 或者docker exec -it <your container name or id> /bin/bash进入容器，然后git clone https://github.com/ouyanghuiyu/chineseocr_lite拉取本项目代码到/data
3. cd 到chineseocr_lite下进行安装：pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt
4. 启动 web python3 app.py 8080，在浏览器中打开 http://127.0.0.1:8080/ocr。

PSENET 编译

cd psenet/pse
rm -rf pse.so 
make

实现功能

提供轻量的backone检测模型psenet（8.5M）,crnn_lstm_lite(9.5M) 和行文本方向分类网络（1.5M）
任意方向文字检测，识别时判断行文本方向
crnn\crnn_lite lstm\dense识别（ocr-dense和ocr-lstm是搬运chineseocr的）
支持竖排文本识别
ncnn 实现 (支持lstm) nihui大佬实现的crnn_lstm推理具体操作详解: 详细记录超轻量中文OCR LSTM模型ncnn实现
提供竖排文字样例以及字体库（旋转90度的字体）
dbnet ncnn 实现

2020.07.02更新

提供dbnet模型，dbnet.onnx(3.7M) dbnet_lite.onnx(1.7M)

2020.03.16更新

psenet ncnn核扩展实现，有效解决粘连文本检测问题，详见ncnn ocr一条龙
nihui大佬实现的crnn_lstm推理具体操作详解: 详细记录超轻量中文OCR LSTM模型ncnn实现

2020.03.12更新

升级crnn_lite_lstm_dw.pth模型crnn_lite_lstm_dw_v2.pth , 精度更高

竖排字体样式：

竖排生成的竖排文本样例：

web服务启动

cd chineseocr_lite## 进入chineseocr目录
python app.py 8080 ##8080端口号，可以设置任意端口

访问服务

http://127.0.0.1:8080/ocr

Flask-RESTful API demo

cd chineseocr_lite && python flask_app.py

- 请求url: http://ip:port/api/v1/ocr
- 请求方式：POST
- 请求参数
    - imgString：图片转base64后的字符串， str
- 返回实例
{
    "code": "SUCCESS",
    "text": "不配图我总觉得不舒服不完整不专业"
}