如何运行自定义 OCR 模型

在本教程中，我们首先介绍如何获取自定义 OCR 模型，然后介绍如何转换你自己的 OCR 模型，使其能够被 opencv_dnn 模块正确运行，最后我们会提供一些预训练模型。

训练你自己的 OCR 模型

这个仓库 是训练你自己的 OCR 模型的一个良好起点。在该仓库中，默认将 MJSynth+SynthText 设置为训练集。此外，你可以配置所需的模型结构和数据集。

将 OCR 模型转换为 ONNX 格式并在 OpenCV DNN 中使用

完成模型训练之后，请使用 transform_to_onnx.py 将模型转换为 onnx 格式。

在网络摄像头中运行

Python 版本的示例代码可以在这里找到。

示例：

$ text_detection -m=[path_to_text_detect_model] -ocr=[path_to_text_recognition_model]

提供预训练的 ONNX 模型

一些预训练模型可以在 https://drive.google.com/drive/folders/1cTbQ3nuZG-EKWak6emD_s8_hHXWz7lAr?usp=sharing 找到。

它们在不同文本识别数据集上的性能如下表所示：

模型名称	IIIT5k(%)	SVT(%)	ICDAR03(%)	ICDAR13(%)	ICDAR15(%)	SVTP(%)	CUTE80(%)	平均准确率(%)	参数量( x10^6 )
DenseNet-CTC	72.267	67.39	82.81	80	48.38	49.45	42.50	63.26	0.24
DenseNet-BiLSTM-CTC	73.76	72.33	86.15	83.15	50.67	57.984	49.826	67.69	3.63
VGG-CTC	75.96	75.42	85.92	83.54	54.89	57.52	50.17	69.06	5.57
CRNN_VGG-BiLSTM-CTC	82.63	82.07	92.96	88.867	66.28	71.01	62.37	78.03	8.45
ResNet-CTC	84.00	84.08	92.39	88.96	67.74	74.73	67.60	79.93	44.28

文本识别模型的性能是在 OpenCV DNN 上测试的，不包含文本检测模型。

模型选择建议

文本识别模型的输入是文本检测模型的输出，这导致文本检测的性能会极大地影响文本识别的性能。

DenseNet_CTC 的参数量最小、FPS 最高，适合用于对计算成本非常敏感的边缘设备。如果你的计算资源有限，但又希望获得更好的准确率，VGG_CTC 是一个不错的选择。

CRNN_VGG_BiLSTM_CTC 适用于对识别准确率要求较高的场景。