自然场景文字检测识别

本文工作基于faster RCNN , 区别在于 1.改进了rpn，anchor产生的window的宽度固定为3。 2.rpn后面不是直接接全连接+分类/回归，而是再通过一个LSTM，再接全连接层。

本文介绍图像文本识别（OCR）领域的最新技术进展。首先介绍应用背景，包括面临的技术挑战、典型应用场景、系统实施框架等。接着介绍搭建图文识别模型过程中经常被引用到的多种特征提取基础网络、物体检测网络框架

可支持自然场景下的通用文字识别，包含自然场景下文字定位和识别

基于文本的文字提取

自然场景中的文字识别技术在深度学习的驱动下取得了显著的进展。文字作为图像中的高层语义信息，为计算机准确解读图像内容提供了有力支持。不同于一般的视觉元素，文字识别技术在工业界具有极大的需求，广泛应用于虚

就我所知，十分完善的场景文字检测的代码网上是没有的，有的只是一些算法，或者比较过时的系统，本文的出现正是希望通过本人的一点努力填补这个空白，方便广大研究者能够更快入门，至少一开始研究就有一个基本框架。

检测与识别共享卷积特征的场景文字识别

[python3.6]运用tf实现自然场景文字检测,keras/pytorch实现ctpncrnnctc实现不定长场景文字OCR识别

文字作为人类交流和信息传递的关键，其在自然场景中的识别具有重要意义。在现代城市环境中，文字无处不在，如标识、广告牌等，承载着丰富的语义信息。自然场景中的文字识别对于图像搜索、人机交互、无人驾驶汽车等领

本项目基于yolo3 与crnn 实现中文自然场景文字检测及识别