- 项目根目录
README.md：项目概述及如何开始。
requirements.txt：项目依赖库。
setup.py：用于安装项目的脚本。
.gitignore：Git忽略文件列表。
- src （源代码目录）
2.1 screenshot_module/
screenshot.py：实现高频截图功能，包括窗口定位、截图频率控制。
window_utils.py：辅助工具函数，用于窗口获取和管理。
2.2 annotation_module/
manual_annotation_tool/：用于手工标注的工具集成（如使用LabelImg的脚本）。
annotation_preprocess.py：预处理图像并为标注做准备。
2.3 training_module/
train_model.py：深度学习模型的训练主脚本。
data_loader.py：数据加载和预处理工具。
model/：
crnn.py：CRNN模型定义。
east.py：EAST文本检测模型定义。
utils.py：训练过程中使用的工具函数（如数据增强、超参数调整）。
2.4 recognition_module/
recognize_text.py：对截图进行文字识别。
ctc_decoder.py：CTC解码实现。
preprocess.py：图像预处理和特征提取函数。
- data （数据目录）
3.1 raw_screenshots/
存储高频截图的原始图像，以时间戳命名。
3.2 annotations/
手工标注数据，保存为XML或JSON格式。
3.3 datasets/
用于训练和验证的处理过的数据集。
train/：训练集数据。
val/：验证集数据。
- models （模型目录）
saved_models/：保存训练好的深度学习模型。
checkpoints/：模型训练过程中保存的检查点。
- tests （测试目录）
5.1 unit_tests/
针对各模块的单元测试。
test_screenshot.py：截图模块的测试脚本。
test_annotation.py：标注模块的测试脚本。
5.2 integration_tests/
集成测试脚本，验证各模块的协作情况。
test_integration.py：整体系统的集成测试。
- scripts （脚本目录）
deploy.sh：自动化部署脚本。
run_inference.py：用于执行推理的脚本。
evaluate_performance.py：评估系统性能的脚本。
- docs （文档目录）
7.1 design_docs/
系统架构设计文档。
各模块的详细设计描述。
7.2 user_manual/
用户手册：如何运行、使用和维护该系统。
FAQ和常见问题解答。
- logs （日志目录）
screenshot_logs/：存储截图模块的日志。
training_logs/：训练过程中产生的日志，用于分析训练效果。
inference_logs/：文字识别模块的运行日志。
- configs （配置文件目录）
config.yaml：系统整体配置文件，包括路径、训练参数等。
logging_config.yaml：日志系统配置。
- notebooks （Jupyter笔记本目录）
exploratory_analysis.ipynb：用于数据探索和初步分析的笔记本。
model_tuning.ipynb：用于超参数调整和模型调优。
- 维护与扩展
11.1 日常运维
maintenance/：
monitoring.py：系统监控脚本。
cleanup.py：清理无用文件和数据的脚本。
11.2 扩展开发
未来扩展功能的开发脚本和实验代码。
- 附录
12.1 参考文献
列出所有用到的书籍、论文、技术文档等。
12.2 常见问题
系统开发、部署过程中可能遇到的问题及其解决方案。