自然场景文本检测识别 - Attention OCR

**注意力OCR** 是一个基于 TensorFlow 的文本识别模型，它结合了卷积神经网络（CNN）与序列到序列（seq2seq）的学习结构，并采用了视觉注意力机制。

Visual attention-based OCR model for image recognition with additional tools for creating TFRecords datasets and exporting the trained model with weights as a SavedModel or a frozen graph.

Our text recognition algorithm not only recognizes Latin and Non-Latin characters, but also supports horizontal and vertical text recognition in one model. It is convenient for multi-lingual arbitrary-shaped text recognition.

详细程序在本人 github 仓库 Attention_ocr.pytorch，预训练模型，数据集，标注文件都做好了，可以直接下载训练或者使用，最良心的是推理程序都写好了，克隆下来就能用。

PyTorch, a popular deep - learning framework, provides the flexibility and tools necessary to implement Attention - based OCR models effectively. In this blog, we will explore the fundamental concepts of Attention OCR in PyTorch, its usage methods, common

该项目提供了基于注意力机制的OCR模型，结合了CNN与LSTM，用于图像识别，并能够导出为SavedModel或frozen graph格式。 用户可以通过生成TFRecords数据集、训练、测试及可视化等步骤完整运行该OCR系统。

在综述的末尾为大家推荐了两个开源包，其中之一就是今天要介绍的Attention OCR。 尽管近两年先进的STR模型如雨后春笋般涌现，但现有的模型大多专注于英文的检测识别。 虽然理论上模型可以推广至中文字符，但是一方面中文字符数量远多于英文，模型效果未知；另一方面中文预训练模型的缺乏使得算法的直接应用和迁移学习较为困难。