人工OCR识别,3秒钟一页,准确度可达99%,适合工厂大规模生产。加入制作高清双层PDF功能）

tensorflow ocr文字识别身份证识别 android studio编译运行。源码已商用，参考链接：https://www.bilibili.com/video/BV1aT4y1972y/

第一步可定要获取百度的三个东西 要到百度AI网站(http://ai.baidu.com/)去注册 然后获得  -const APP_ID = '请填写你的appid'; -const API_KEY = '请填写你的API_KEY'; -const SECRET_KEY = '请填写你的SECRET_KEY'; 第二步下载SDK   https://github.com/jankinsun/New/tree/master/OCR/character_recognition 或者使用官方的 http://ai.baidu.com/sdk 下载 第三步 然后就直接运行demo 的文件 Demo

Matlab手写文字识别源代码~~~~~~

ocr_package 批量大小ocr预测，检测速度最高12fps，识别速度最高40-50fps 安装 点安装mg_ocr

基于pytorch的OCR库 这里会有这个项目的代码详解和我的一些ocr经验和心得，我会慢慢更新，有兴趣可以看看，希望可以帮到新接触ocr的童鞋 最近跟新： 2021.05.01 更新CRNN 训练，解决了多gpu训练问题，更换成lmdb训练，需要将图片先转成lmdb（在script文件夹中有多进程将图片转成lmdb的代码），做了一些训练优化，模型结构更改（训练时使用名字中带lmdb的yaml文件），实际训练效果如下表。 2021.03.26 更新CRNN 训练效果，代码整理后上传 2021.03.06 更新CRNN backbone resnet 和 mobilev3 以及配置文件 2020.12.22 更新CRNN+CTCLoss+CenterLoss训练 2020.09.18 更新文本检测说明文档 2020.09.12 更新DB,pse,pan,sast,crnn训练测试代码和预训练

CNN_LSTM_CTC_Tensorflow 基于CNN + LSTM + CTC的OCR（光学字符识别）使用张量流实现。 注意：图像中的字符数（可变长度）没有限制。 看一下下面的图像。 我使用此代码训练了一个具有100k图像的模型，并在对测试数据集（200k图像）获得了99.75％的准确性。 两个数据集中的图像： 更新2017.11.6 ： 竞争页面现在不可用，如果要重现此结果，请参见有关数据集的，解压缩.tar.gz文件后，标签文件（.txt文件）与图像位于同一文件夹中。 更新2018.4.24 ： 更新到tensorflow 1.7并修复问题报告的一些错误。 结构体 图像

用yolov3模型训练了口罩数据集，这是训练过程的笔记，免费下载与大家分享，欢迎讨论。

基于飞桨的OCR工具库，包含总模型仅8.6M的超轻量级中文OCR，单模型支持中英文数字组合识别、竖排文本识别、长文本识别。同时支持多种文本检测、文本识别的训练算法。

YOLOv3_breath_mask 基于YOLOV3的口罩可以检测到2020年新型冠状病毒，针对公共场所检测人员是否放置口罩，故用YOLOV3完成一个人体口罩替代检测。 效果展示 环境 的Python： 3.7.4 Tensorflow-GPU 1.14.0 Keras： 2.2.4 最好用性能强的螺丝训练，不然会很慢，而且可能会跑停 数据集 [口罩检测数据集]需要准备已经标注好的口罩数据集.jpg与.xml对应breath_anchors.txt中是先验框对应的大小breath_classes.tst中是放置对应数据集的类别 训练 准备数据集 按照VOC数据集的格式来准备数据集，以及图片以及xml标签 VOCdevkit -VOC2007 ├─ImageSets # 存放数据集列表文件，由voc2yolo3.py文件生成 ├─Annotations # 存放图片标