深度学习文字识别
本项目只是做一个整合，不是原创，原先的代码分散在三个项目里面，且结构复杂
项目使用的模型 VGG-BiLSTM-CTC
VGG用于提取特征，BiLSTM可以提高识别率，不知道为什么，CTC是字符预测
这些模型都是用于端对端识别的，就是可以通过行文字样本图片的训练，直接定位并识别一行文字，现在只能识别单个剪切好的汉字
1.generate_char.py，搜索txt可以替换字符字典
2.convert.py
3.create_lmdb_dataset.py
4.替换lmdb文件
5.替换trian.py里面的中文表character
5.开始训练，train.py 搜索RMSprop可以切换优化器
6.替换demo.py里面的character参数，和train.py里面的保持一致
7.测试模型，demo.py
https://zhuanlan.zhihu.com/p/400270506
https://zhuanlan.zhihu.com/p/356842725?utm_id=0 https://www.cnblogs.com/skyfsm/category/1123384.html
样本生成：https://github.com/AstarLight/CPS-OCR-Engine https://github.com/Belval/TextRecognitionDataGenerator
数据转换：https://github.com/DaveLogs/TRDG2DTRB https://github.com/clovaai/deep-text-recognition-benchmark
字符训练和识别：https://github.com/clovaai/deep-text-recognition-benchmark
运行参数在代码文件的最上方
字体存放于fonts/cn目录，免费字体下载https://www.fonts.net.cn/commercial-free/fonts-zh/tag-fangzheng-1.html?previewText=%E6%96%B9%E6%AD%A3%E4%B9%A6%E5%AE%8B
文字样本存放于fonts/cn.txt文件
这个项目把文本识别模块化（特征提取-序列特征提取-特征转换-预测），使每一个模块可以单独优化，从而量化不同模块的贡献。
使用深度学习进行汉字识别，需要大量的样本用于学习，本质上和模板匹配没有区别，最好还是按照笔画来进行识别，再不济按照关键点来识别也行，但是都太难实现了，原因就是文字图片的不规则，无法有效提取笔画或者关键点，目前深度学习可以很好的识别，那就用深度学习吧，不折腾了。
train.py和demo.py里面的--output_channel从512修改为256，训练时间可以缩短一半
feature_extraction.py里面的第22行和第29行的内容nn.MaxPool2d((2, 1), (2, 1)) 被修改为 nn.MaxPool2d(2, stride=2)，原先的是用于区分i和l字符，汉字用不到，就改了，也能快一点
windows11，cpu，16G内存，PyCharm
python版本：3.9.2
absl-py 1.0.0 addict 2.4.0 arabic-reshaper 2.1.4 astunparse 1.6.3 attrdict 2.0.1 attrs 20.3.0 Automat 20.2.0 Babel 2.10.3 basicsr 1.3.4.9 bce-python-sdk 0.8.74 beautifulsoup4 4.11.1 boto3 1.17.27 botocore 1.20.27 bs4 0.0.1 cachetools 4.2.4 certifi 2020.12.5 cffi 1.14.5 chardet 4.0.0 click 8.1.3 colorama 0.4.4 common 0.1.2 constantly 15.1.0 cryptography 3.4.6 cssselect 1.1.0 cssutils 2.6.0 cycler 0.11.0 Cython 0.29.32 data 0.4 decorator 4.4.2 diffimg 0.3.0 dual 0.0.10 dynamo3 0.4.10 easyocr 1.6.2 et-xmlfile 1.1.0 facexlib 0.2.1.1 filterpy 1.4.5 fire 0.4.0 Flask 2.2.2 Flask-Babel 2.0.0 flatbuffers 22.9.24 flywheel 0.5.4 fonttools 4.28.4 funcsigs 1.0.2 future 0.18.2 gast 0.4.0 gfpgan 0.2.4 d:\workspace\gfpgan-master google-auth 2.3.3 google-auth-oauthlib 0.4.6 google-pasta 0.2.0 graphviz 0.16 grpcio 1.42.0 h5py 3.7.0 hyperlink 21.0.0 idna 2.10 imageio 2.13.3 imgaug 0.4.0 importlib-metadata 4.8.2 incremental 21.3.0 itemadapter 0.2.0 itemloaders 1.0.4 itsdangerous 2.1.2 jarowinkler 1.2.1 jieba 0.42.1 Jinja2 3.1.2 jmespath 0.10.0 joblib 1.2.0 keras 2.10.0 Keras-Preprocessing 1.1.2 kiwisolver 1.3.2 libclang 14.0.6 llvmlite 0.37.0 lmdb 1.2.1 lxml 4.6.2 Markdown 3.3.6 MarkupSafe 2.1.1 matplotlib 3.5.1 natsort 8.2.0 networkx 2.6.3 ninja 1.10.2.4 nltk 3.7 numba 0.54.1 numpy 1.20.1 oauthlib 3.1.1 objgraph 3.5.0 opencv-contrib-python 4.6.0.66 opencv-python 4.5.4.60 opencv-python-headless 4.5.4.60 openpyxl 3.0.10 opt-einsum 3.3.0 packaging 21.3 paddleocr 2.6.0.1 paddlepaddle-tiny 1.6.1 pandas 1.4.2 parsel 1.6.0 Pillow 9.2.0 pip 22.3 premailer 3.10.0 Protego 0.1.16 protobuf 3.15.6 pyasn1 0.4.8 pyasn1-modules 0.2.8 pyclipper 1.3.0.post3 pycparser 2.20 pycryptodome 3.15.0 PyDispatcher 2.0.5 PyNLPIR 0.6.0 pyOpenSSL 20.0.1 pyparsing 3.0.6 python-bidi 0.4.2 python-dateutil 2.8.1 pytz 2022.1 PyWavelets 1.2.0 PyYAML 5.4.1 queuelib 1.5.0 rapidfuzz 2.8.0 realesrgan 0.2.3.0 regex 2022.9.13 requests 2.25.1 requests-oauthlib 1.3.0 rsa 4.8 s3transfer 0.3.4 scikit-image 0.19.1 scipy 1.7.3 Scrapy 2.4.1 service-identity 18.1.0 setuptools 49.2.1 Shapely 1.8.4 six 1.15.0 soupsieve 2.3.2.post1 tb-nightly 2.8.0a20211215 tensorboard 2.10.1 tensorboard-data-server 0.6.1 tensorboard-plugin-wit 1.8.0 tensorflow 2.10.0 tensorflow-estimator 2.10.0 tensorflow-io-gcs-filesystem 0.27.0 termcolor 2.0.1 tf-slim 1.1.0 tifffile 2021.11.2 tight 0.1.0 torch 1.10.1 torchvision 0.11.2 tqdm 4.62.3 Twisted 21.2.0 twisted-iocpsupport 1.0.1 typing_extensions 4.0.1 urllib3 1.26.3 visualdl 2.4.0 w3lib 1.22.0 Werkzeug 2.2.2 wheel 0.37.0 wikipedia 1.4.0 wrapt 1.14.1 yapf 0.31.0 zipp 3.6.0 zope.interface 5.2.0