环境部署

sh setup.sh

运行

python manage.py 通过开启服务端 实现照片上传后识别

简介

基于Tensorflow和Keras pytesseract实现身份证识别，通过flask实现上传身份证图片，然后服务器识别后返回识别数据。

• 文本检测：CTPN
• 文本识别：DenseNet + CTC tesseract

环境部署

sh setup.sh

• 注：CPU环境执行前需注释掉for gpu部分，并解开for cpu部分的注释

Demo

将测试图片放入test_images目录，检测结果会保存到test_result中

python demo.py 控制台离线识别

模型训练

CTPN训练

详见ctpn/README.md

DenseNet + CTC训练

1. 数据准备

数据集：https://pan.baidu.com/s/1QkI7kjah8SPHwOQ40rS1Pw (密码：lu7m)

• 共约364万张图片，按照99:1划分成训练集和验证集
• 数据利用中文语料库（新闻 + 文言文），通过字体、大小、灰度、模糊、透视、拉伸等变化随机生成
• 包含汉字、英文字母、数字和标点共5990个字符
• 每个样本固定10个字符，字符随机截取自语料库中的句子
• 图片分辨率统一为280x32

图片解压后放置到train/images目录下，描述文件放到train目录下

2. 训练

cd train
python train.py

3. 结果

val acc	predict	model
0.983	8ms	18.9MB

• GPU: GTX TITAN X
• Keras Backend: Tensorflow

4. 生成自己的样本

可参考SynthText_Chinese_version，TextRecognitionDataGenerator和text_renderer

参考

[1] https://github.com/eragonruan/text-detection-ctpn

[2] https://github.com/senlinuc/caffe_ocr

[3] https://github.com/chineseocr/chinese-ocr

[4] https://github.com/xiaomaxiao/keras_ocr

http://www.cnblogs.com/hutao722/p/9564456.html https://www.jianshu.com/p/fa204a54a956?from=singlemessage https://github.com/MPIG-Robot/Mobile-DeepLearning-in-TensorFlow-Lite