文字识别

印刷体数字、手写体数字、数码管数字、点阵数字识别 基于一百字体与一百多背景图合成的印刷体数字、手写体数字、数码管数字、点阵数字数据集训练的识别模型 在线体验 英文字母、数字、标点符号、数学符号、拼音

英文字母、数字、标点符号、数学符号、拼音、音标、Emoji 识别 基于四千多字体与一百多背景图合成的英文字母、数字、标点符号、数学符号、拼音、音标、Emoji 合成数据集识别的识别模型 在线体验 英

票证检测矫正模型介绍 【读光商用矫正模型开源，快来体验吧】票证检测矫正模型在实际生活中有着广泛的需求，例如信息抽取、图像质量判断、证件扫描、票据审计等领等场景，可以大幅提高工作效率和准确性。本次 读光

介绍（Introduction） 验证码识别模型 ocr-captcha专门识别常见验证码的模型，训练模型有2个： 1.small:训练数据大小为700MB，约8.4万张验证码图片，训练轮次27轮，

介绍（Introduction） 验证码识别模型 ocr-captcha专门识别常见验证码的模型，训练模型有2个： 1.small:训练数据大小为700MB，约8.4万张验证码图片，训练轮次27轮，

文字识别模型介绍 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。 本模型用于通用场景(不包含手写场景)的文字识别任务。 欢迎使用！ 模型描述 本模型主要包括两个主要部分，统一卷积与

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/

读光文字检测 News 2023年10月： 新增DBNet通用场景模型和轻量化端侧模型转onnx和onnx推理功能 2023年6月： 新增轻量化端侧行检测模型和行识别模型 2023年3月： 新增DB

读光文字检测 News 2023年10月： 新增DBNet通用场景模型和轻量化端侧模型转onnx和onnx推理功能 2023年6月： 新增轻量化端侧行检测模型和行识别模型 2023年3月： 新增DB

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/

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/

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/

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/

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/

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/

读光文字检测 News 2023年6月： 新增轻量化端侧行检测模型和行识别模型 2023年3月： 新增DBNet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

读光文字检测 News 2023年10月： 新增DBNet通用场景模型和轻量化端侧模型转onnx和onnx推理功能 2023年6月： 新增轻量化端侧行检测模型和行识别模型 2023年3月： 新增DB

边缘手持设备的文字识别算法（个人负责项目，参与度100%） 项目要求：手持机自动抄表设备，要求准确率100% 技术路线：文字类型较少，选定小型CRNN神经网络；文字定位使用yolo目标检测网络。准确率要求极高，需要有技巧的采集数据和全面的数据增广，由于采集数据成本高，还要人工生成海量数据扩充数据集。这是本项目难点。

百度图片文字识别api--上传需要识别的图片，调用百度的图片文字识别api，识别后过滤需要的信息并进行保存,并进行信息的管理

识别本项目目标是实现对自动生成的带有各种噪声的车牌识别。此次车牌识别是将车牌7个字符同时训练，字符包括31个省份简称、10个阿拉伯数字、2，共有65个类别，7个字符使用单独的loss函数进行训练。 添加了通过H（色调）和S（饱和度）来对车牌颜色进行判断，然后使用tkinter搭建了简单的GUI，可以实现打开摄像头拍摄照片然后再对照片进行识别