树洞 OCR 文字识别.zip

Tesseract OCR API的Java JNA包装器 Tess4J API 提供的功能： 1、直接识别支持的文件 2、识别图片流 3、识别图片的某块区域 4、将识别结果保存为 TEXT/ HOCR/ PDF/ UNLV/ BOX 5、通过设置取词的等级，提取识别出来的文字 6、获得每一个识别区域的具体坐标范围 7、调整倾斜的图片 8、裁剪图片 9、调整图片分辨率 10、从粘贴板获得图像 11、克隆一个图像（目的：创建一份一模一样的图片，与原图在操作修改上，不相 互影响） 12、图片转换为二进制、黑白图像、灰度图像 13、反转图片颜色 解决异常： Unable to load library ‘tesseract’: Native library (linux-x86-64/libtesseract)

解决打印发票提示缺少ocr a extended等字体。winxp系统：把所有字体复制到 C:\WINDOWS\Fonts 文件夹下。 系统会部分提示已有此字体跳过即可。 win7系统：选中所有字体文件，鼠标右键，选安装。替换系统原字体。

yolo的一系列资源（yolov3.cfg、yolov3.weights、yolov3-tiny.cfg、yolov3-tiny.weights、coco.names）

字符模板，字符识别。字母A~Z，数字0~9的模板。OCR所需的字符模板。总共6393各字符。测试字符三百多个。

近年来，因工人未佩戴安全帽而造成的施工事故频繁发生，为降低事故发生率，对工人安全帽佩戴情况进行图像描述的研究。当前基于神经网络的图像描述方法缺乏可解释性且细节描述不充分，施冮场景图像描述的硏究较为匮乏，针对该问题，提出采用YωLOv3（ You Only Look Once）的检测算法，以及基于语义规则和语勺模板相结合的方法递进式地生成安全帽佩戴的描述语句。首先，采集数据，制作安全帽佩戴检测数据集和图像字幕欻据集;其次，使用K-meas算法确定适用于该数据集的锚框参数值，用以YOLO√3网络的训练与检测;再次，预定义一个语义规则，结合目标检测结釆来提取视觉概念;最后，将提取出的视觉概念填充进由图像字幕标注生成的语句模板，以生成关于施工场景中工人安全帽佩戴的图像描述语句。使用Ubuntu16.04系统和 Keras深度学习框架搭建实验环境，在自制的安全帽佩戴数据集上进行不冋算法的对比实验。实验结果表明，所提方法不仅能够有效界定安全帽佩戴者和未佩戴者的数量，而且在BLEU-Ⅰ和CIEr评价指标上的得分分别达到了0.722和0.957，相比其他方法分别提高了6.9%和14.8%，证明了该方法的有效性和优越性。

文字检测CTPN论文讲解制作的ppt

大数据上云特惠活动系列直播的阿里巴巴读光OCR的PPT

里面包含了yolov3.weights、yolov3-tiny.weights、darknet53.conv.74

该文件是yolov3-tiny的预训练模型，用于YOLOv3-tiny训练过程。Yolov3训练得到的模型比较大，而Yolov3-tiny训练得到的模型小很多，可用于移动端的移植。