deep_ocr 是使得 OCR 比 tesseract 更好的中文识别、身份证识别等等
2017-07-26 16:48
651 查看
deep ocr
估计很多开发员使用tesseract做中文识别,但是结果不是一般的差,譬如下面的图片$ tesseract -l chi_sim test_data.png out_test_data
看到恨多公司在招腭大改癫和机器字习胸人 v 我有3个建议 (T) 忧T ' 2个上t较靠遭 胸人就譬了 v不是越多越好 (2) 这T '2个人要能给大蒙上踝'倩邂知L目 (3) 不要招 不宣代四胸人:虹大改癫和机器字习胸v不裹目宣 (或者宣过) 大量代四v基本上就 只会忽悠了其实现在做文字识别不是很难,特别基于深度学习,这里是这个项目的reco_chars.py脚本,基于caffe的识别效果,是不是好很多?而且代码比tesseract短很多。
$ python reco_chars.py
看很多公苘在招聘天数据和机器学习人我有个建议找个较靠谱 的人就够了不是越多越好这个人要给大家上课传递知识不要招 不写代码的人做天数据机器学习的不亲写或者写过天且代码基本上就 只会忽悠了大家可以基于caffe训练自己的字体,系统基于这个文章开发单个字的识别:
Deep Convolutional Network for Handwritten Chinese Character Recognition http://cs231n.stanford.edu/reports/zyh_project.pdf
通过Docker 安装
先安装docker,以下教程在Ubuntu 14.04 通过测试https://www.docker.com/下载deep_ocr_workspace.zip (https://pan.baidu.com/s/1nvz2wrB 和 https://pan.baidu.com/s/1qYPKH3Y )两个文件的md5sum值,用于校验文件是否成功下载。
$ md5sum deep_ocr_workspace.zip ffeda7ea6604e7b8835c05a33fa0459e deep_ocr_workspace.zip $ md5sum deep_ocr_workspace.z01 ea66796c2bbdb2bec9b7ee28eb44012d deep_ocr_workspace.z01解压到本地硬盘,譬如到以下地方 (~/deep_ocr_workspace)
cat deep_ocr_workspace.z* > unsplit_deep_ocr_workspace.zip unzip unsplit_deep_ocr_workspace.zip -d ~/这个zip包含deep_ocr所有需要数据文件(由于太大了,所以放百度云了)。所有数据到解压到
~/deep_ocr_workspace,你也可以把需要处理的数据放到这个文件夹。
基于cpu
docker pull jinpengli/deep_ocr_cpu_docker:latest启动 docker container
docker run -ti --volume=${HOME}/deep_ocr_workspace:/workspace jinpengli/deep_ocr_cpu_docker:latest /bin/bash cd /opt/deep_ocr git pull origin mastervolume用于mount到container里面,这样可以获取上面的识别结果。
python /opt/deep_ocr/reco_chars.py然后可以继续你们的开发。。。。加油。。。
身份证识别
暂时不是很稳定,需要加一些语义模型。等等吧。。。。识别图片执行命令export WORKSPACE=/workspace deep_ocr_id_card_reco --img $DEEP_OCR_ROOT/data/id_card_img.jpg --debug_path /tmp/debug --cls_sim ${WORKSPACE}/data/chongdata_caffe_cn_sim_digits_64_64 --cls_ua ${WORKSPACE}/data/chongdata_train_ualpha_digits_64_64识别结果:
... ocr res: ============================================================ name 韦小宝 ============================================================ address 北京市东城区累山前街4号 紫禁城敬事房 ============================================================ month 12 ============================================================ minzu 汉 ============================================================ year 1654 ============================================================ sex 男 ============================================================ id 1X21441114X221243X ============================================================ day 20
相关文章推荐
- tesseract-ocr 识别中文扫描图片
- OCR 中文汉字识别,可用于文档识别,身份证识别,名片识别,采用字库+卷积神经网络
- android tesseract-ocr实例教程(包含中文识别)(附源码)
- Java中使用tess4J(Tesseract-OCR)进行图片文字识别(支持中文)
- python图像上面字符的识别之tesseract—OCR和中文包的下载使用
- Java中文图像识别tesseract-ocr || tif
- OCR tesseract中文无法识别问题
- java零碎要点---Tesseract 3.0,Java OCR 图像智能字符识别技术,可识别中文
- tesseract-ocr 识别中文扫描图片
- Tesseract-OCR训练实现对模糊身份证号码的识别
- android利用tesseract-ocr自己训练身份证号码识别库,并使用识别库识别身份证号码
- tesseract-ocr训练识别中文
- android tesseract-ocr实例教程(包含中文识别)(附源码)
- [置顶] 【Tesseract-OCR】Tesseract训练中文字体识别
- [置顶] 【Tesseract-OCR】玩转OCR中文识别
- Java OCR tesseract 图像智能字符识别技术 Java代码实现
- Tesseract-OCR 字符识别---样本训练
- Tesseract-OCR 3.05 躲过语言文字识别(运行程序+中英日韩语言包)
- Java使用OpenCV和Tesseract-OCR实现银行卡图片处理与卡号识别
- Tesseract-OCR 字符识别---样本训练