Score
0
Watch 18 Star 67 Fork 15

Rocky / document-ocrPythonApache-2.0

Join us
Explore and code with more than 2 million developers,Free private repositories !:)
Sign up
一个相对完整的文档分析和识别项目 spread retract

Clone or download
Cancel
Notice: Creating folder will generate an empty file .keep, because not support in Git
Loading...
README.md

document-ocr

Github

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

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

一份样例

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

  • 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

Comments ( 0 )

Sign in for post a comment

Python
1
https://gitee.com/rockyzheng/document-ocr.git
git@gitee.com:rockyzheng/document-ocr.git
rockyzheng
document-ocr
document-ocr
master

Help Search