推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
这是一个创建于 2400 天前的主题，其中的信息可能已经有所发展或是发生改变。
最近在研究图片文字识别，贵族老爷们有没有什么好使的库推荐一发啊，试着用了用 pytesseract，感觉识别效果太差了
 |
1
mashiro233 2018-05-28 09:50:40 +08:00
tesseract-ocr 需要自己训练样本准确度才会高。
|
 |
2
dassh 2018-05-28 10:13:53 +08:00
baidu ocr 接口，最近一直用这个，5W 次 /天免费？
|
|
8
dassh 2018-05-28 11:59:05 +08:00  1
@sunsulei 嗯嗯，之前还做进对比：
 百度的黄色的正确是中英标点有误（中文的识别成英文），绿色正确是完全正确，单个标红是除了红色部分其它全部识别正确 阿里的就是直接的识别结果 可以看出来百度在文字识别这块还是很强的 |
 |
9
FreeBSD 2018-05-28 12:34:59 +08:00
@dassh 类似 tesseract 的 psm 7
Page segmentation modes: 0 Orientation and script detection (OSD) only. 1 Automatic page segmentation with OSD. 2 Automatic page segmentation, but no OSD, or OCR. 3 Fully automatic page segmentation, but no OSD. (Default) 4 Assume a single column of text of variable sizes. 5 Assume a single uniform block of vertically aligned text. 6 Assume a single uniform block of text. 7 Treat the image as a single text line. |
 |
10
RicardoScofileld OP @mashiro233 我是直接下载的对应的中文训练集，就是不知道自己训练的话要如何实现呢？
|
|
11
RicardoScofileld OP @dassh 大佬发个链接 0.0
|
|
12
dassh 2018-05-28 13:59:35 +08:00 1
|
|
13
RicardoScofileld OP @dassh 谢谢啦
|
|
14
RicardoScofileld OP @dassh 靠 效果确实不错 就是只有 500 次
|
|
15
dassh 2018-05-28 14:15:18 +08:00
@RicardoScofileld 通用识别（非高精度）应该有 5W 的，也够用
|
 |
16
night98 2018-05-28 14:19:13 +08:00 via Android
ocr 腾讯家最强
|
|
17
RicardoScofileld OP @dassh 通用的只有 500 次啊，要是 5w 次的话，我就不用再找了
|
|
18
RicardoScofileld OP @dassh 靠，控制台进去 5w 次，外面 500 次，醉了
|
 |
19
chenuu 2018-05-28 15:42:29 +08:00
我买的谷歌云提供的 vision
|
|
20
RicardoScofileld OP @chenuu 效果和费用怎么样
|
 |
21
lonelygo 2018-05-28 16:32:30 +08:00
公网的话，用免费的 ocr 接口，不是特殊需求日常食用足以。
要内网使用，特殊的字符需求，数据集小的 [tesseract]( https://github.com/tesseract-ocr/tesseract) 3.05 训练好了。 数据集量够的话，可以看看深度学习的方法了：注意力+长短期记忆。 |
 |
22
herozhang 2018-05-28 16:46:13 +08:00
tesseract-ocr
我这边用效果不错，据说 4.x 会更好。 有个前提，图片扔给 ocr 之前需要做一些预处理，例如裁剪、对齐、颜色调整什么的，这样识别率才 ok。 |
 |
23
JCZ2MkKb5S8ZX9pq 2018-05-28 17:07:15 +08:00
之前搞直播答题外挂用的百度
|
|
24
RicardoScofileld OP @herozhang 请问有具体的 demo 吗，我试着用 PIL 处理，有时候处理后的效果比处理之前的好，有时候处理之后反而更不好了
|
 |
25
qianc1990 2018-05-28 17:23:10 +08:00
tesseract-ocr 0.4 的中文识别效果好点， 我之前做的时候采用 ctpn 算法从文章把文字一行一行抠出来， 在送去识别， 经验证百度的效果更好. [:捂脸]
|
|
26
chenuu 2018-05-28 17:41:40 +08:00
@RicardoScofileld 很便宜,月 1000 条免费,超出后每 1000 条 1.5 美元.效果不好说,没用过其他家的产品,除了手写的,其他的用谷歌很满意
|
 |
27
dbow 2018-05-28 17:53:02 +08:00
tesseract-ocr 这东西需要你自己切图 + 标注， 对固定形态的文字其实效果还不错。
|
 |
28
yanzixuan 2018-05-28 17:53:48 +08:00
现在不是用神经网络来玩吗？ keras 的 example 了解一下？
|
 |
29
hakaei 2018-05-28 22:06:36 +08:00 via iPhone
ctpn 可以很好的抠出横向排布的文字，接下来就是分词和识别的事了，但是 ctpn 对非水平文字效果不怎样，我最近也在研究 ocr 算法的问题，需求不能用 api （哎
|
|
30
RicardoScofileld OP @hakaei 那就只能研究 tesseract 了，我试试对图片做一些预处理，再试试训练一下样本数据看看效果怎么样
|
Select Language