复制以改进使用。
ChineseOcr Lite Onnx,超轻量级中文OCR Demo,支持ncnn推理(DBNet+AngleNet+CRNN)
代码和模型均源自chineseocr lite的onnx分支
详情请查看 https://github.com/ouyanghuiyu/chineseocr_lite
采用ncnn神经网络前向计算框架https://github.com/Tencent/ncnn
整合了如下算法: DBNet(图像分割)+AngleNet(文字方向检测)+CRNN(文字识别)
- cmake 3.18.4
- 内置的ncnn预编译库版本为 20200916 b766c8c
- opencv动态库版本3.4.x以上
- Windows10 x64 /VS2019
- cmake请自行下载&配置
- 下载opencv-3.4.11-vc14_vc15.exe,下载地址,把文件解压到项目根目录。解压后目录结构为
OcrLiteOnnx/opencv
│ LICENSE.txt
│ LICENSE_FFMPEG.txt
│ README.md.txt
├─build
└─sources
- VS2019安装时,至少选中"使用C++的桌面开发"
- 开始菜单打开"x64 Native Tools Command Prompt for VS 2019",并转到OcrLiteOnnx根目录
- 运行
build-win.cmd
- 编译完成后运行
run-test-win.cmd
进行测试,或直接运行OcrLiteOnnx.exe,识别test目录下的7张图片
- macOS Catalina 10.15.x
- 自行下载安装HomeBrew
- 下载opencv:
brew install opencv@3
- libomp:
brew install libomp
- 编译:
./build.sh
- 测试:
./run-test.sh
,或直接运行./OcrLiteOnnx,识别test目录下的7张图片
- Deepin 20 或其它发行版
- 安装build-essential:略……
- 下载opencv:各发行版不大一样,略……
- 编译:
./build.sh
- 测试:
./run-test.sh
,或直接运行./OcrLiteOnnx,识别test目录下的7张图片
- *-part-x.jpg为分割后的图片
- *-debug-x.jpg为分割后的图片进行方向识别后,校准方向后的图片
- *-result.jpg为图像分割画框的结果
- *-result.txt为识别的最终结果
- 最终结果包含:图像分割耗时、文字框分数、文字框坐标、文字方向索引、文字方向分数、文字识别结果、各个文字的分数、文字识别耗时、整张图片总耗时。