《深入浅出OCR》第五章：OCR端到端识别

已于 2023-11-15 00:41:28 修改
阅读量1.7k 收藏 6
点赞数 4
分类专栏： 深入浅出AI 深入浅出OCR 文章标签： ocr 计算机视觉 深度学习 人工智能 端到端识别
于 2023-11-14 14:00:00 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_36816848/article/details/133807901
版权
本文深入探讨OCR技术中的端到端识别方法，包括FOTS、TextSpotter、Mask-TextSpotter系列、CharNet、ABCNet系列、PGNet等算法的介绍与比较。内容涵盖算法原理、模型结构、优势与应用，旨在为读者提供全面的OCR端到端识别知识。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

在这里插入图片描述

✨专栏介绍： 经过几个月的精心筹备，本作者推出全新系列《深入浅出OCR》专栏，对标最全OCR教程，具体章节如导图所示，将分别从OCR技术发展、方向、概念、算法、论文、数据集等各种角度展开详细介绍。

👨‍💻面向对象： 本篇前言知识主要介绍深度学习知识，全面总结知知识点，方便小白或AI爱好者学习基础知识。

💚友情提醒： 本文内容可能未能含概深度学习所有知识点，其他内容可以访问本人主页其他文章或个人博客，同时因本人水平有限，文中如有错误恳请指出，欢迎互相学习交流！

💙个人主页: GoAI |💚 公众号: GoAI的学习小屋 | 💛交流群:

了解本专栏 订阅专栏 解锁全文 超级会员免费看
《深入浅出OCR》实战：基于PGNet的端到端识别
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
11-20 1473
本篇导读：在上一章【《深入浅出OCR》第五章：端到端文字识别】，本人着重介绍端到端识别算法的发展、分类及各自领域经典算法，为了进一步熟悉端到端识别流程，本次作者将以基于PGNet的端到端识别实战为例，全面对端到端识别技术流程进行解读，方便学习者快速上手实战。
《深入浅出OCR》第三章：OCR文字检测
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
10-17 2340
上一章我们介绍到OCR流程包括两阶段算法和端到端算法，目前在通用场景识别效果下，两阶段OCR相比端到端OCR技术更成熟，所以工业界大多采用两阶段OCR。本篇为 【《深入浅出OCR》第三章：OCR文字检测】，主要对深度学习OCR文字检测方法进行介绍，本人将从经典算法结构、代码、论文解读等角度展开，配合作者总结的思维导图，深入浅出OCR知识。
OCR端到端检测识别模型：PGNet论文阅读笔记
DU_YULIN的博客
07-15 7013
文章目录前言总结 前言 因项目需要，最近开始阅读PGNet论文，期望了解这一OCR端到端文本检测与识别模型原理与细节，期望能够应用到项目中带来OCR的提升。 论文题目：PGNet:Real-time Arbitrarily-Shaped Text Spotting with Point Gathering Network 论文link: https://arxiv.org/pdf/2104.05458.pdf 总结 ...
端到端的OCR：基于CNN的实现
hello小工的专栏
08-16 6516
端到端的OCR：基于CNN的实现 OCR是一个古老的问题。这里我们考虑一类特殊的OCR问题，就是验证码的识别。传统做验证码的识别，需要经过如下步骤： 1. 二值化 2. 字符分割 3. 字符识别 这里最难的就是分割。如果字符之间有粘连，那分割起来就无比痛苦了。 最近研究深度学习，发现有人做端到端的OCR。于是准备尝试一下。一般来说目前做基于深度学习的OCR大概有如下套路： 1
OCR-端到端检测识别
JIN JI 2013.12.24
06-06 5690
Lukas Neumann——【ICCV2017】Deep TextSpotter_An End-to-End Trainable Scene Text Localization and Recognition Framework目录作者和相关链接方法概括方法细节实验结果总结与收获点参考文献和链接   作者和相关链接作者 论文下载代码下载方法概括方法概述该方法将文字检测和识别整合到一个端到端的网络...
端到端OCR实验记录
怡宝2号
05-23 864
文章目录1. 采用crnn的主网络，采用roi_pooling， 1. 采用crnn的主网络，采用roi_pooling， 采用的crnn的主网络进行特征提取，高度方向/16，宽度方向/4，然后在一张图片中有两个文本区域。特征提取完成之后，采用faster rcnn的roi_pooling对两个区域进行池化操作，pooled_height = 2， pooled_width = 2 × maxra...
端到端OCR——车牌识别实验记录
怡宝2号
06-03 1329
1. 实验结果 采用端到端的方式进行车牌识别，数据集采用的是CCPD。 主要问题： 检测方面基本没有问题，问题更多的是在识别上 对侧面拍的车牌识别问题最大，有篇文章做了矫正研究，后面再看看 有的时候识别的最后一位没有，应该是特征池化部分不准确，看能否采用特征金字塔的思路，进行多层池化，在特征送入识别网络 后续的工作 如何支持旋转检测和识别 ...
《深入浅出OCR》第二章：OCR技术发展与分类
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
10-01 2283
本篇为《深入浅出OCR》第一章：OCR技术导论主要介绍OCR的概念、分类、应用场景、技术流程、数据集等基础知识进行介绍，方便小白或AI爱好者快速了解OCR方向知识。第二章将对OCR技术展开进一步详细介绍，欢迎大家关注！
《深入浅出OCR》第四章：OCR文字识别
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
10-24 1403
在上一章我们介绍到OCR文字检测， 本篇为 **【《深入浅出OCR》第四章：OCR文字识别】，主要对深度学习OCR文字识别方法进行介绍**，本人将从经典算法结构、代码、论文解读等角度展开，配合作者总结的思维导图，深入浅出OCR知识。
TensorFlow相关组件的安装
AAI666666的博客
01-11 2864
TensorFlow相关组件的安装
深度学习CNN端到端字符识别
09-29
利用5层CNN构建端到端OCR产生、训练和测试程序，对1-3个字符构成的特定投影变换扭曲字体识别率接近100%，独热编码。
白翔-端到端的文本检测与识别.pdf 英文
06-16
白翔-端到端的文本检测与识别.pdf
Jaided Read - 端到端多语言光学字符识别（OCR）解决方案-python
06-18
Jaided Read - 端到端多语言光学字符识别（OCR）解决方案 Easy OCR 即用型 OCR，支持 40 多种语言，包括中文、日语、韩语和泰语。 示例 支持的语言 我们目前支持以下 42 种语言。 南非荷兰语 (af)、阿塞拜疆语 (az)、波斯尼亚语 (bs)、捷克语 (cs)、威尔士语 (cy)、丹麦语 (da)、德语 (de)、英语 (en)、西班牙语 (es)、爱沙尼亚语 (et)、法语 (fr)、爱尔兰语 (ga)、克罗地亚语 (hr)、匈牙利语 (hu)、印度尼西亚语 (id)、冰岛语 (is)、意大利语 (it)、日语 (ja)、韩语 (ko)、库尔德语 (ku)、拉丁语 (la)、立陶宛语 (lt)、拉脱维亚语 (lv)、毛利语 (mi)、马来语 (ms)、马耳他语 (mt)、荷兰语 (nl)、挪威语 (no)、波兰语 (pl)、葡萄牙语 (pt)、罗马尼亚语 (ro)、斯洛伐克语 (sk)、斯洛文尼亚语 (sl)、阿尔巴尼亚语 (sq)、瑞典语 (sv)、斯瓦希里语 (sw)、泰语 (th)、他加禄语 (tl)、土耳其语 (tr)、乌兹别克语 (uz)
Python-基于tensorflowkeraspytorch实现对自然场景的文字检测及端到端的OCR中文文字识别
08-11
[python3.6] 运用tf实现自然场景文字检测,keras/pytorch实现ctpn crnn ctc实现不定长场景文字OCR识别
banti_telugu_ocr:泰卢固语的端到端OCR系统。 基于卷积神经网络
03-11
全面的泰卢固语OCR系统 Banti框架 该框架依赖于分割算法将文本分解为字形的能力。 因此，它可以扩展到具有良好分离图像的其他脚本，例如马拉雅拉姆语，奥里亚语，泰米尔语，卡纳达语，泰语等。 特征 打开由antanci_segmenter生成的框文件 将它们传递给训练的神经网络 语言的n-gram建模 能够处理损坏的字形（使用语言模型）。 依存关系 Python3 脾气暴躁，鼻涕，鼻子等 枕头 安装说明 使用Docker映像 最简单的方法是从pull预构建的映像并在容器中run 。 您可以使用以下命令执行此操作。 docker pull chprasad/banti_telugu_ocr:20160310 docker run -it chprasad/banti_telugu_ocr:20160310 /bin/bash 如果您的机器上没有Docker，则可以首先使用文档中的限制
OCR之：Pytesseract端到端文字识别（包含源代码以及极为详细的解释）
破浪会有时的博客
01-09 4277
提示：此博文详细描述如何使用Pytesseract进行OCR识别，包括基本操作，图像的预处理，角度识别，图像旋转，等等。并且，这里也会附上及其详细的代码以及注解。如果感兴趣的同学可以自行下载。注：代码运行于Ubuntu AMD 环境。
基于深度学习（端到端）的OCR文字识别
热门推荐
红叶谷 wsp_1138886114的博客
11-09 1万+
开发环境 Anaconda | python3.6 + tensorflow/keras/pytorch 该模型使用了 OpenCV 模块。 依赖包版本需求：你可以使用 pip install 包名/ conda install 包名 安装依赖 easydict==1.7 tensorflow_gpu==1.3.0 scipy==0.18.1 numpy==1.11.1 opencv_python...
OCR端到端不定长文字识别CRNN算法详解
金戈鐡馬
03-14 1222
在以前的OCR任务中，识别过程分为两步：单字切割和分类任务。我们一般都会讲一连串文字的文本文件先利用投影法切割出单个字体，在送入CNN里进行文字分类。但是此法已经有点过时了，现在更流行的是基于深度学习的端到端的文字识别，即我们不需要显式加入文字切割这个环节，而是将文字识别转化为序列学习问题，虽然输入的图像尺度不同，文本长度不同，但是经过DCNN和RNN后，在输出阶段经过一定的翻译后，就可以对整个文本图像进行识别，也就是说，文字的切割也被融入到深度学习中去了。
GOT - OCR2.0：端到端 OCR 模型，助力处理各类复杂光学字符任务
最新发布
寻道AI，探索AI无限可能！
10-17 1372
GOT - OCR 2.0 作为一款基于通用 OCR 理论的模型，在结构上比 OCR - 1.0 系统更简单，在纯 OCR 任务上比 LVLMs 更专注，性能优越。它将各种泛 OCR 任务集成到一个模型中，是模型设计、数据工程和应用场景方面的一个有价值的研究方向。当然，GOT - OCR 2.0 也并非完美无缺，目前可能还存在一些有待改进的地方，如中文 OCR 保存成 HTML 显示乱码、表格和数学图表混合的页面解析效果差等。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

GoAI

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值