chineseocr_lite 的 onnx 推理, 部署简单
原始项目分支（torch推理，ncnn推理等）：master
环境
-
python3.6
-
linux/macos/windows
web服务启动
cd chineseocr_lite## 进入chineseocr目录
python backend/main.py 在线演示地址: chineseocr_lite
识别结果展示
参考
- TrWebOCR https://github.com/alisen39/TrWebOCR
QQ群
一群已满
二群已满
三群： 904091319
以下范例项目是参考Python代码翻译为各种语言的Demo，仅供参考
** 注意：以下各种demo均相互独立，只是同一个程序的不同版本 **
如果不想自己整合依赖库的话，以下demo的完整源码工程项目，请到Q群共享里自行下载
C++ Demo
- onnxruntime C++ demo，支持Windows、linux、macOS，目前仅支持cpu计算；
- ncnn C++ demo，支持Windows、linux、macOS，分为cpu版与gpu版，gpu版使用ncnn+vulkan来支持gpu加速；
Jvm Demo
- onnxruntime jvm demo: 以onnxruntime C++为基础，编译成jni供java或kotlin调用；
- ncnn jvm demo: 以ncnn C++为基础，编译成jni供java或kotlin调用，同样分为cpu版与gpu版；
Android Demo
- onnxruntime android demo: 以onnxruntime C++为基础，整合为一个独立的android模块供app调用；
- ncnn jvm android demo: 以ncnn C++为基础，整合为一个独立的android模块供app调用，同样分为cpu版与gpu版；
.Net Demo
- onnxruntime c# demo: 完全以C#编写的onnxruntime demo;
- onnxruntime vb.net demo: 完全以VB编写的onnxruntime demo;
第三方Demo
- TNN中文字符ocr: 根据本项目，基于TNN实现的轻量级中文字符ocr demo，支持iOS和Android系统，凭借TNN优化的CPU(ARMv7、ARMv8)和GPU(OpenCL、Metal)后端加速模型计算。
Android识别展示
.NetDemo识别展示
第三方 TNN Demo识别展示
