document-ocr 正在参加 2020 年度 OSC 中国开源项目评选,请投票支持!
document-ocr 在 2020 年度 OSC 中国开源项目评选 中已获得 {{ projectVoteCount }} 票,请投票支持!
投票让它出道
已投票
document-ocr 获得 2020 年度 OSC 中国开源项目评选「最佳人气项目」 !
document-ocr 获得 2020 年度 OSC 中国开源项目评选「最佳人气项目」「最积极运营项目」 !
document-ocr 获得 2020 年度 OSC 中国开源项目评选「最积极运营项目」 !
授权协议 Apache
开发语言 Python
操作系统 跨平台
软件类型 开源软件
所属分类 程序开发OCR开发包
开发厂商
地区 国产
提 交 者 正_午
适用人群 未知
收录时间 2019-10-28

软件简介

 document-ocr

一个相对完整的文档分析和识别项目含以下五部分:

1. 文档分析数据,
2. 识别数据合成工具,
3. 文档版面分析模型,
4. 文本行识别模型,
5. 单字识别模型

Github地址

Gitee地址

 数据

数据从网络抓取的公开上市公司年报数据 PDF 文件解析生成,有图片和文本的位置信息

网盘下载地 提取码: nn1g

文本数据是标注到文本行的,部分数据会有些瑕疵,共34000样本


可以根据标注数据生成文本行识别数据

识别数据合成

单字和文本行数据合成工具 能比较好的过滤字体中不支持的字符

 相关算法实现


所有代码依赖 Tensorflow 1.14 和 opencv 3.x

1. 版面分析
2. 文本行识别
3. 单字识别

 注

 - 代码还有很多需要完善的地方,不在此列举,欢迎各种 issue

 - 代码中有很多参数没有提出到命令行比如 learning_rate 等,希望使用的时候多读下代码
 

展开阅读全文

代码

的 Gitee 指数为
超过 的项目

评论 (0)

加载中
更多评论
暂无内容
2015/07/27 20:27

ocr

OCR SDK 文通TH-OCR SDK 11.0,是北京文通科技有限公司研制开发的多语种亚洲语言文字识别软件开发包,提供强大的识别API开发接口,帮助用户将OCR文字识别技术无缝内嵌到用户业务系统中,为数字资源的建立提供了方便,快捷,稳定的技术手段。 文通TH-OCR SDK 11.0,是北京文通科技有限公司研制开发的多语种亚洲语言文字识...

0
0
发表了博客
2014/04/22 20:03

here document

http://zh.wikipedia.org/zh/Here%E6%96%87%E6%A1%A3 够详细了。

0
0
发表了博客
2019/04/02 09:30

OCR识别

最近作者项目中用到了身份证识别跟营业执照的OCR识别,就研究了一下百度云跟腾讯云的OCR产品接口。 1.腾讯云OCR 收费:身份证OCR和营业执照OCR接口,每个接口每个月各有1000次的免费调用 接口说明: 身份证OCR接口 - https://cloud.tencent.com/document/product/866/33524 营业执照OCR接口- https://cloud.tencent.com...

0
1
发表于服务端专区
2014/01/02 00:35

ocr

http://www.openhw.org/winter1988/blog/13-03/292209_03d5b.html http://ykf.iteye.com/blog/212431 http://www.cnblogs.com/GYoungBean/archive/2013/05/09/3069180.html http://my.oschina.net/zhouxiang/blog/161619 http://www.07net01.com/program/152979.html http://tess4j.sourceforge.net/usage.html http://m...

0
0
发表于大前端专区
2014/09/25 17:54

OCR是什么?OCR技术特点介绍

OCR是什么?OCR技术特点介绍

3
14
发表了博客
2018/07/27 11:26

图片文字OCR识别-tesseract-ocr

  帮助文件:https://github.com/tesseract-ocr/tesseract/blob/master/doc/tesseract.1.asc   下载地址:https://github.com/tesseract-ocr/tesseract/wiki   如何使用提供的工具来训练Tesseract 4.00:https://github.com/tesseract-ocr/tesseract/wiki/TrainingTesseract-4.00   1、介绍     图片文字的O...

0
1
2019/08/18 11:52

document builder how is document url being generated

要获取更多Jerry的原创文章,请关注公众号"汪子熙":

0
0
2019/07/13 11:28

Document Builder: how does document element and variable cooperate

Created by Jerry Wang, last modified on Nov 03, 2014 In customizing, we can select one element and maintain a rule for it in order to achieve that the element would only appear in the final documen......

0
0
没有更多内容
加载失败,请刷新页面
点击加载更多
加载中
下一页
暂无内容
0 评论
15 收藏
分享
OSCHINA
登录后可查看更多优质内容
返回顶部
顶部