chinese-ocr自然场景下不定长文字识别（ctpn + densenet）
注：本文中多处使用各位前辈的经验，项目代码不方便提供，可参考：
/YCG09/chinese_ocr
实现功能
文字方向检测 0、90、180、270度检测
文字检测 后期将切换到keras版本文本检测 实现keras端到端的文本检测及识别
不定长OCR识别
环境部署
GPU环境
sh setup.sh
CPU环境
sh setup-cpu.sh
CPU python3环境
sh setup-python3.sh
cd ./ctpn/lib/utils
./make-for-cpu.sh
运行demo
将测试图片放入test_images目录，检测结果会保存到test_result中
Python3 demo.py
模型训练
一共分为3个网络
文本方向检测网络-Classify(vgg16)文本区域检测网络-CTPN(CNN+RNN)DenseNet + CTC
文字方向检测-vgg分类
基于图像分类，在VGG16模型的基础上，训练0、90、180、270度检测的分类模型.
详细代码参考angle/predict.py文件，训练图片8000张，准确率88.23%
模型地址：/s/1zquQNdO0MUsLMsuwxbgPYg
##文字区域检测CTPN
关于ctpn网络，网上有很多对其进行介绍讲解的，算法是提出的，在印书体识别用的很多，这里有前辈一篇相应的博文//01/23/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0-TextDetection/，在文章中结合本repo的代码对ctpn的原理进行了详细的讲解。
CTPN训练
1. 准备数据
首先，下载预先训练的VGG网络模型并将其放在data/pretrain/VGG_imagenet.npy.
其次，准备论文提到的训练数据。或者我们可以放置自己的数据
根据我们的数据集修改prepare_training_data/split_label.py中的path和gt_path路径。并执行下面操作。
cd lib/prepare_training_data
python3 split_label.py
它将在当前文件夹中生成准备好的数据，然后运行下面代码：
Python3 ToVoc.py
将准备好的训练数据转换为voc格式。它将生成一个名为TEXTVOC的文件夹。将此文件夹移动到数据/然后运行
cd …/…/data
ln -s TEXTVOC VOCdevkit
2.数据集下载
作者给的数据是预处理过的数据，
我们下载了数据，VOCdevkit 只有1.06G，但是此数据可以训练自己的模式，要是想训练自己的数据，那么需要自己标注数据，找自己的数据。
作者使用的icdar17的multi lingual scene text dataset, 没有用voc，只是用了他的数据格式，下面给出的数据是作者实现的源数据地址。
gt_path的数据地址：http://rrc.cvc.uab.es/?com=contestant
进入MLT 查看如下：
然后我们可以发送邮件，注册用户，并激活，进入下载页面：
3. 存放数据
作者训练使用的是7200张图片。使用train或者trainval是一样的，因为用的都是这7200张图片。可以检查一下VOCdevkit/VOC/ImageSets/Main下面的train.txt和trainval.txt是否正确，是否是7200张图片。你在用自己数据训练的时候也要特别注意一点，数据的标注格式是不是和mlt这个数据集一致，因为split_label这个函数是针对mlt的标注格式来写的，所以如果你原始数据标注格式如果和它不同，转换之后可能会是错的，那么得到的用来训练的数据集可能也不对。
对原始gt文件进一步处理的分析（也就是对txt标注数据进行进一步处理），生成对应的xml文件部分内容截图如下：
4.数据集标注
在标注数据的时候采用的是顺时针方向，一次是左上角坐标点，右上角坐标点，右下角坐标点，左下角坐标点(即x1,y1,x2,y2,x3,y3,x4,y4),，这里的标注方式与通用目标检测的目标检测方式一样，这里我标注的数据是生成到txt中，具体格式如下：
x1,y1,x2,y2,x3,y3,x4,y4 分别是一个框的四个角点的x，y坐标。这是因为作者用的mlt训练的，他的数据就是这么标注的，如果你要用一些水平文本的数据集，标注是x,y,w,h的，也是可以的，修改一下split_label的代码，或者写个小脚本把x,y,w,h转换成x1,y1,x2,y2,x3,y3,x4,y4就行。
图片标注方法
如果想训练自己的数据集，那么我们可以自己去标注图片。本文将推荐一个十分好用的数据标注工具LabelImg。
这款工具是全图形界面，用Python和Qt写的，最牛的是其标注信息可以直接转化成为XML文件，与PASCAL VOC以及ImageNet用的XML是一样的。（具体如何使用，直接参考下面GitHub或者网上百度即可）
它来自下面的项目：/tzutalin/labelImg
其中标签存储功能和“Next Image”、“Prev Image”的设计使用起来比较方便。
该软件最后保存的xml文件格式和ImageNet数据集是一样的。
• Labelme 适用于图像分割任务的数据集制作
• labellmg适用于图像检测任务的数据集制作
• yolo_mark适用于图像检测任务的数据集制作
• Vatic适用于图像检测任务的数据集制作
注（标注工具生成的的是xml文件，可直接生成数据集无需执行python3 split_label.py，另外labelimg工具产生的是左上和右下坐标并非四点坐标，有能解决此问题的分享给我，谢谢）
5.训练
简单的运行
你可以在ctpn/text.yml中修改一些参数，或者只使用作者设置的参数
作者提供的模型在GTX1070上训练了50K iters
如果我们正在使用cuda nms ,它每次约需要0.2秒，因此完成50k迭代需要大约2.5小时
当然，我们可以指定在那块显卡上运行，比如我这里指定选择第一块显卡上训练，训练的命令如下：
CUDA_VISIBLE_DEVICES=“0” python ./ctpn/train_net.py
训练完成后 cd 项目/ctpn/ctpn/text.yml 修改模型加载路径
densenet训练
1. 数据准备
数据集：/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
python3 train.py
3.数据集制作
1.工具生成数据集
可参考SynthText_Chinese_version，TextRecognitionDataGenerator和text_renderer
2.个人制作数据集
图片可使用opencv处理
标注文本：手工标注文字
标注文件格式转换：百度网盘
链接：/s/13ja-547KlebHrROZmwLBWQ
提取码：tkq8
</div>
