模型介绍
中文整理读光文字识别
News
2023年6月：
- 新增轻量化端侧识别LightweightEdge-通用场景模型和轻量化端侧行检测模型。
2023年4月：
- 新增训练/微调时读取本地数据集的lmdb，用训练/微调后的模型继续识别，详见代码示例。
2023年3月：
- 新增训练/微调流程，支持自定义参数及数据集，详见代码示例。
2023年2月：
- 新增业界主流CRNN-通用场景模型。
传送门
各场景文本识别模型：
ConvNextViT-通用场景
ConvNextViT-手写场景
ConvNextViT-自然场景
ConvNextViT-车牌场景
ConvNextViT-文档印刷场景
LightweightEdge-通用场景
各场景文本检测模型：
SegLink++-通用场景行检测
SegLink++-通用场景单词检测
DBNet-通用场景行检测
整图OCR能力：
整图OCR-多场景
欢迎使用！
模型描述
文字识别，即给定一张文本图片，识别出图中所含文字并输出对应字符串。
本模型主要包括三个主要部分，CNN模块提取高维图像特征，BLSTM模块建模序列特征，最后连接CTC loss进行识别解码以及网络梯度优化，详见CRNN论文。
期望模型使用方式以及适用范围
本模型主要用于给输入图片输出图中文字内容，具体地，模型输出内容以字符串形式输出。用户可以自行尝试各种输入图片。具体调用方式请参考代码示例。
注：输入图片应为包含文字的单行文本图片。其它如多行文本图片、非文本图片等可能没有返回结果，此时表示模型的识别结果为空。
模型推理
在安装完成ModelScope之后即可使用ocr-recognition的能力。(在notebook的CPU环境或GPU环境均可使用)
使用图像的url，或准备图像文件上传至notebook（可拖拽）。
输入下列代码。
代码范例
模型可视化效果
以下为模型的可视化文字识别效果。
模型局限性以及可能的偏差
模型是在中英文数据集上训练的，在其他语言的数据上有可能产生一定偏差，请用户自行评测后决定如何使用。
当前版本在python3.7的CPU环境和单GPU环境测试通过，其他环境下可用性待测试。
模型微调/训练
训练数据及流程介绍
本文字识别模型训练数据集是MTWI以及部分收集数据，训练数据数量约6M。
本模型参数随机初始化，然后在训练数据集上进行训练，在32x640尺度下训练20个epoch。
模型微调/训练示例
训练数据集准备
示例采用ICDAR13手写数据集，已制作成lmdb，数据格式如下
详情可下载解析了解。
配置训练参数并进行微调/训练
参考代码及详细说明如下
用训练/微调后的模型进行识别
ONNX模型使用
参考文献
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。