OCR入门学习_动手学ocr

ocr：光学字符识别（识别文字）

      分为两个部分：文字检测+文字识别

  提取图像中的文字，并转换成文本形式，供后续NLP使用

  

•   文字检测：dbnet 、CTPN

  dbnet：  原理是基于分割算法。对于一般分割算法流程：先通过网络输出文本分割的概率图，然后使用设定阈值将概率图转化为二值图，然后通过后处理得到检测结果（文本框坐标）。但是缺点在于阈值的选取非常关键。

                                                               

 概率图（probability map）：图中每个像素点的值为该位置属于文本区域的概率

阀值图（threshold map）：图中每个像素点的值为该位置的二值化阈值，大于阈值为文字区域，反之为背景。

近似二值图（approximate binary map）：由概率图和阈值图通过 DB 算法计算得到（P-T），图中像素的值为 0 或 1。

CTPN：文本检测，本质上也属于物体检测，适用于从左往右书写的文本，从上往下或者弯曲的效果不是很好.

    VGG提取特征、BLSTM融入上下文信息，基于RPN完成检测

• 文字识别：（ABINET、CRNN、NRTR、ROBUST_SCANNER、SAR、SATRN、SEG、TPS）