一个基于pytorch框架的纯净版本的OCR(OpticalCharacterRecognition，光学字符识别)技术windows本地搭建。该OCR的核心算法组成是CTPN（文字检测）+CRNN（文字识别）。 （原代码链接在文末）

环境配置

所需依赖库：

● python-3.5+

● pytorch-0.4.1+

● torchvision-0.2.1

● opencv-3.4.0.14

● numpy-1.14.3

安装方式1

以上是本次ocr技术实现所依赖的库文件，除了pytorch和torchvision不能直接pip安装的其他的都是可以直接pip安装。例如：

pip install numpy(库名)==1.14.3(版本号)

注意：pytorch 和 torchvision如果要用GPU的话都需要对应CUDA版本 , 你可以在官网上查找对应版本 pytorch的官网

安装方式2

本文提供了源代码的压缩包ocr-pytorch版.7z，其中包含了利用conda打包好的虚拟环境ocr.tar.gz。

1. 首先将在anaconda的虚拟环境安装目录中：D:\Anaconda\envs\ ，新建一个ocr名称的文件夹

2. 将ocr.tar.gz这个conda环境压缩包解压到D:\Anaconda\envs\ocr

3. 使用conda env list查看虚拟环境

预训练模型测试

上述ocr-pytorch版.7z中含有源代码，在将其解压到某个文件夹后，按下win键输入cmd调用windows终端，在终端cd D:\项目\ocr-pytorch版(这里用你自己的安装到的文件夹路径)，用

conda activate ocr

demo文件夹中多张图片测试

预训练好的模型文件保存在 checkpoints文件夹下面.。执行以下命令对test_images文件夹中的图片进行测试。

python3 demo.py

在 ./test_images文件夹中的图片会被用来做文字检测&识别的测试,，最终的结果图片＋文字txt会被存储在 ./test_result文件夹。

test_one单张图片测试

如果你想测试单张图片, 执行以下命令。其中的[filename]是图片的绝对路径/相对路径。

python3 test_one.py [filename]

结果示例：

训练自定义模型

该OCR训练由两部分训练模块组成：CTPN训练+CRNN训练，两个所对应的训练代码在train_code文件夹中。

CTPN训练

1. 把自定义图片数据集放入[train_img]文件夹中, 然后把自定义标签数据集放入[train_label]文件夹中.

2. 在config.py文件中icdar17_mlt_img_dir变量对应图片文件夹路径；icdar17_mlt_gt_dir对应标签文件夹路径。

3. 然后在cmd终端cd到train_code/train_ctpn文件夹下，执行下面的命令进行训练。

python3 ctpn_train.py

CRNN训练

1. 首先需要准备自己的 text-line 数据集，用一个txt文件组织数据集。 在这个txt文件中，每一行表示一个text-line图片路径和被'\t'分隔开来的图片标签。如下所示:

data_set/my_data1/0001.jpg\t37918
data_set/my_data1/0002.jpg\tHello World!
data_set/my_data1/0003.jpg\t你好
...

2. 在train_warp_ctc.py中用你自己的txt文件路径去替换下面的变量内容。

config.train_infofile = ['path_to_train_infofile1.txt','path_to_train_infofile2.txt']
config.val_infofile = 'path_to_test_infofile.txt'

3. 如果你想用 warp-ctc 作为你的损失函数，执行以下命令1；如果你想用 pytorch-ctc 作为你的损失函数, 执行这个命令2。

python3 train_warp_ctc.py  # 命令1
python3 train_pytorch_ctc.py  # 命令2

总结

本篇博客主要是对一个基于pytorch框架纯净版OCR技术实现的代码分享、测试&训练思路分享。欢迎大家免费使用，本文的代码分享在 百度网盘 大小是7.53GB。提取码：nrpi