AI实战：用DenseNet + CTC搭建中文OCR模型
前言
前段时间，项目中的一个核心模块中需要中文OCR功能，走过弯路趟过坑，这里分享出来。
实战
-
常见网络架构 cnn + blstm + ctc cnn + ctc crnn + self_attetion + ctc crnn + attetion + ctc
-
github上面测试的结果 地址： 结果 经验分享 1、使用DenseNet + CTC 架构搭建模型，在500万+的数据集上面训练，准确率0.97 2、词典：使用GB2312 + 常见特殊字符 + 数字 + 英文 3、实际测试中，DenseNet + CTC 比带Attention架构的模型整体识别率要高比较多，带Attention架构的模型一是容易误识别，二是容易漏识别 4、平衡整体性能，优先选 DenseNet + CTC 5、DenseNet + CTC模型存在的问题：无法区分字形很相近的字，如“ _ ”和 “ - ”， y和v等。带Attention架构的模型在这块有较大的优势。
-
详细介绍：
参考git源码
-
CTPN + DenseNet + CTC ： crnn_self_attetion ： CRNN_Attention_OCR ：
下一篇：
C++各位数字之和及位数