文字识别(OCR)CRNN(基于pytorch、python3) 实现不定长中文字符识别

发布时间：2018-09-26 19:40,

浏览次数：1265

, 标签：

OCR

CRNN

pytorch

python

简单单人跟踪：https://github.com/Sierkinhane/human_tracker(基于目标检测与特征映射算法)

演示视频：https://www.bilibili.com/video/av44360925

新写的关于人脸检测算法MTCNN的文章https://blog.csdn.net/Sierkinhane/article/details/83308658

代码仓库：https://github.com/Sierkinhane/mtcnn-pytorch

斯坦福机器学习课程资料以及算法实现https://blog.csdn.net/Sierkinhane/article/details/82883161

代码仓库：https://github.com/Sierkinhane/CS229-ML-Implements

在六七月份参加了一个比赛，做的项目是提取图片中的文字信息，首先是接触了一些文本检测算法(如CTPN，East)，后研究了文本识别算法(我认为较好的是CRNN)。代码实现是参考算法提出者的pytorch，python3版本的crnn实现。因为python版本的迭代，导致代码重使用比较难，其中涉及到ctc，python编码，中文数据集，如何将模型finetune到自己的应用场景上种种问题。实现的深度学习框架是pytorch，虽然TensorFlow也可以，但是比较多坑。其实是什么框架实现的都没关系，现在语法都是比较简单，看懂不难！

因为自己已经踩了很多坑，也填好了这些坑，就将自己填好的项目贡献给大家！

https://github.com/Sierkinhane/crnn_chinese_characters_rec

代码地址

这次分享的是文本识别算法CRNN，具体的内容我就不涉及了，这篇文章主要是做算法代码的实现(参考原作者)，建议大家研读算法一定要看作者发的Paper！

CRNN论文地址：http://arxiv.org/abs/1507.05717 (

作者是华中科技大学的老师)

先放一些效果图，利用360万的中文数据训练集，最后可以finetune到97.7%的验证准确率，训练好的模型在train_models文件夹

第一、二张图片是最近修改的一个demo，第三、四张图是CTPN算法和CRNN的结合，可以将图片上的任何文字信息提取。因为CTPN要求的环境比较复杂，所以这次只放出CRNN的代码，因为CRNN实现环境比较简单。

现在开始介绍代码：

代码的实现必须是Linux环境(因为涉及到warp-ctc的安装，最好是Ubuntu16.04，能跳的坑我基本都填了)

1. Warp-ctc安装

首先得安装warp-ctc https://github.com/SeanNaren/Warp-ctc

，这是pytorch版本的ctc实现(计算序列loss，具体看论文)，安装方法按照作者的步骤即可，如果遇到问题可以私聊我。我是在Ubuntu16.04安装的，并没有太大问题，但是在17.04就遇到很多问题，所以最好用Ubuntu16.04作为代码实现环境。

2. 测试

安装好ctc后，直接运行终端输入 python3 test.py 试下效果，测试图片在test_images文件夹下。

3. 训练

正确的训练效果如图。

训练之前首先制作数据集，因为360万的中文数据集制作成lmdb格式的数据有十几G，就没直接放到Github中。

先下载360万中文数据集：https://pan.baidu.com/s/1ufYbnZAZ1q0AlK7yZ08cvQ

对于数据集我想说明一下，在文字识别领域有比较多的识别场景，例如场景文本识别，比较正规的图片信息识别，这些不同的应用场景需要对应不同的数据集训练，这次我自己应用到的场景比较正规的字体识别，所以这个训练集不一定能够用到所有场景，但也确实提供了一个不错数据集资源！还有就是训练集最好是具有语义信息，如果只是将文字随机的组合生成图片作为训练集，模型收敛会更慢并且准确率受限！

下图是部分训练集

(这个数据是在Github中找到的，暂时没找到他的地址，很感谢作者的奉献！)

数据集是随机选取定长的字数，经过模糊、倾斜、颜色变化等操作之后生成的，比较具有一般性，能很好地提升模型的Robust。

下载好数据集之后如果解压出错，不完整，可以用好压进行修复。

接下来是制作lmdb格式的数据。

图片与之对应的标签我链接:https://pan.baidu.com/s/1jfAKQVjD-SMJSffOwGhh8A

密码:u7bo，只需要将下载好的数据集放到lmdb文件中，根据情况修改to_lmdb.py中的文件名

运行该py程序就可以制作lmdb格式的数据！(需要用Python2来运行to_lmdb.py)

制作好数据集之后将它放到lmdb_dataset文件夹中调出终端：

python3 crnn_main.py --train_root 训练数据集路径 --val_root 验证集路径 --cuda

(如果有cuda加速可选)

大概流程就是这样了，最主要的还是自己看待自己琢磨！

(不定长识别是将训练集图片的放缩feed到神经网络中的尺寸应用到测试中，test.py已经标注！)

(如果有帮助到你，可以在Github给我个star！)

(下一篇：斯坦福机器学习课程资料以及算法实现

https://blog.csdn.net/Sierkinhane/article/details/82883161

)