yolo3 与crnn 实现中文自然场景文字检测及识别
本项目基于环境部署
python=3.6 pytorch=0.2.0
git clone https://github.com/chineseocr/chineseocr.git
cd chineseocr
sh setup.sh #(cpu sh setpu-cpu.sh)
下载模型文件
模型文件地址:
复制文件夹中的 ocr.pth, text.cfg, text.names, text.weights 到models目录
或者可将yolo3模型转换为keras版本,详细参考https://github.com/qqwweee/keras-yolo3.git
或者直接运用opencv>=3.4 dnn直接调用darknet模型(参考 opencv_dnn_detect.py),cpu文本检测小于1秒。
web服务启动
cd chineseocr## 进入chineseocr目录
ipython app.py 8080 ##8080端口号,可以设置任意端口
识别结果展示
Play with Docker Container
docker pull zergmk2/chineseocr
docker run -d -p 8080:8080 zergmk2/chineseocr