Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
Just_Paranoid
CnOCR
提交
6e99089a
CnOCR
项目概览
Just_Paranoid
/
CnOCR
与 Fork 源项目一致
Fork自
Cloud IDE / CnOCR
通知
1
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
DevOps
流水线
流水线任务
计划
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
CnOCR
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
DevOps
DevOps
流水线
流水线任务
计划
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
流水线任务
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
提交
6e99089a
编写于
5月 15, 2022
作者:
B
breezedeus
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
update doc
上级
5ab7317c
变更
2
隐藏空白更改
内联
并排
Showing
2 changed file
with
15 addition
and
25 deletion
+15
-25
docs/RELEASE.md
docs/RELEASE.md
+14
-22
docs/cnstd_cnocr.md
docs/cnstd_cnocr.md
+1
-3
未找到文件。
docs/RELEASE.md
浏览文件 @
6e99089a
# Release Notes
### Update 2022.05.15: 发布 cnocr V2.1.1.1
主要变更:
-
增加了对
**ONNX**
模型的支持,支持
**`*-fc`**
模型,提升预测速度;
-
类
`CnOcr`
的初始化中增加了参数
`model_backend`
和
`vocab_fp`
,具体参见
[
使用方法
](
usage.md
)
;
-
增加了
`cnocr export-onnx`
命令,把训练好的PyTorch模型导出为ONNX模型;
-
去掉了对包
`python-Levenshtein`
的依赖。
### Update 2021.11.06: 发布 cnocr V2.1.0
主要变更:
...
...
@@ -9,7 +19,6 @@
*
提供了更多预训练好的模型;
*
加入了
`cnocr evaluate`
命令以评估效果。
### Update 2021.09.21: 发布 cnocr V2.0.1
主要变更:
...
...
@@ -17,7 +26,6 @@
*
重新训练了模型,模型识别精度略有提升;
*
函数
`CnOcr.ocr_for_single_lines(img_list, batch_size=1)`
中加入了
`batch_size`
参数。
### Update 2021.08.26: 发布 cnocr V2.0.0
主要变更:
...
...
@@ -29,9 +37,6 @@
*
优化了对场景文字的识别效果;
*
使用接口略有调整,请谨慎更新。
### Update 2021.08.24: 发布 cnocr V1.2.3
主要变更:
...
...
@@ -39,7 +44,6 @@
*
更改了模型的默认下载urls;
*
依赖中去掉了对numpy的约束。
### Update 2020.05.29: 发布 cnocr V1.2.2
主要变更:
...
...
@@ -48,8 +52,6 @@
*
bugfix:
*
修复同时初始化多个实例时会报错的问题。
### Update 2020.05.25: 发布 cnocr V1.2.1
主要变更:
...
...
@@ -57,8 +59,6 @@
*
bugfix:
*
修复了zip文件名的typo。
### Update 2020.05.25: 发布 cnocr V1.2.0
主要变更:
...
...
@@ -74,14 +74,10 @@
*
输入图片宽度很小时导致异常;
*
去掉
`f-print`
。
### Update 2020.04.21: 发布 cnocr V1.1.0
V1.1.0对代码做了很大改动,重写了大部分训练的代码,也生成了更多更难的训练和测试数据。训练好的模型相较于之前版本的模型精度有显著提升,尤其是针对英文单词的识别。
以下列出了主要的变更:
*
更新了训练代码,使用mxnet的
`recordio`
首先把数据转换成二进制格式,提升后续的训练效率。训练时支持对图片做实时数据增强。也加入了更多可传入的参数。
...
...
@@ -100,17 +96,13 @@ V1.1.0对代码做了很大改动,重写了大部分训练的代码,也生
*
mxnet依赖升级到更新的版本了。很多人反馈mxnet
`1.4.1`
经常找不到没法装,现在升级到
`>=1.5.0,<1.7.0`
。
### Update 2019.07.25: 发布 cnocr V1.0.0
`cnocr`
发布了预测效率更高的新版本v1.0.0。
**新版本的模型跟以前版本的模型不兼容**
。所以如果大家是升级的话,需要重新下载最新的模型文件。具体说明见下面(流程和原来相同)。
主要改动如下:
-
**crnn模型支持可变长预测,提升预测效率**
-
支持利用特定数据对现有模型进行精调(继续训练)
-
修复bugs,如训练时
`accuracy`
一直为
`0`
-
依赖的
`mxnet`
版本从
`1.3.1`
更新至
`1.4.1`
-
**crnn模型支持可变长预测,提升预测效率**
-
支持利用特定数据对现有模型进行精调(继续训练)
-
修复bugs,如训练时
`accuracy`
一直为
`0`
-
依赖的
`mxnet`
版本从
`1.3.1`
更新至
`1.4.1`
docs/cnstd_cnocr.md
浏览文件 @
6e99089a
# 强强联合:[CnStd](https://github.com/breezedeus/cnstd) + CnOcr
关于为什么要结合
[
CnStd
](
https://github.com/breezedeus/cnstd
)
和 CnOcr 一起使用,可参考
[
场景文字识别介绍
](
std_ocr.md
)
。
...
...
@@ -17,7 +16,7 @@ box_infos = std.detect('examples/taobao.jpg')
for
box_info
in
box_infos
[
'detected_texts'
]:
cropped_img
=
box_info
[
'cropped_img'
]
ocr_res
=
cn_ocr
.
ocr_for_single_line
(
cropped_img
)
print
(
'ocr result: %s'
%
str
(
ocr_
out
))
print
(
'ocr result: %s'
%
str
(
ocr_
res
))
```
注:运行上面示例需要先安装
**[cnstd](https://github.com/breezedeus/cnstd)**
:
...
...
@@ -29,4 +28,3 @@ pip install cnstd
**[cnstd](https://github.com/breezedeus/cnstd)**
相关的更多使用说明请参考其项目地址。
可基于
[
在线 Demo
](
demo.md
)
查看 CnStd + CnOcr 的联合效果。
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录