tr

本地跑的中文 OCR，图片转文字不联网

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署计算机视觉 🍴 复刻 386 👀 关注 40

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1383

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源免费，需自行部署

项目预览

项目数据

分类计算机视觉

开发团队myhub

官网地址https://github.com/myhub/tr

GitHubhttps://github.com/myhub/tr

定价模式🏷️完全免费

价格说明开源免费，需自行部署

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

主要语言Python

技术栈/模型crnn,ctpn,curved-text,deeplearning,ocr,pixellink,text-recognition,transformer

GitHub 星标★ 1383

上线时间2019-08-18 00:00:00

代码更新2026-10-11

仓库体积538.3 MB

本站数据更新2026-10-27

维护状态较活跃

收录时间2026-10-27

浏览次数0

项目介绍

tr 是一个面向中文场景的离线 OCR 工具包，提供文本检测与识别一体化能力，可在本地完成图片到文字的转换，无需联网调用云端接口。项目以 Python 实现，检测端支持 CTPN、PixelLink 等方案，识别端采用 CRNN 与 Transformer 类结构，并针对弯曲文本做了适配，覆盖票据、证件、截图、街景招牌等常见中文文本形态。它解决的是通用 OCR 服务依赖网络、按量计费、数据外发的问题，适合对隐私和成本敏感的场景。核心能力包括：多检测模型可切换、中文识别精度针对优化、支持弯曲与倾斜文本、提供 SDK 形式便于嵌入业务流程、可离线批量处理。项目星标约 1.4k，处于成长期，适合作为中文 OCR 的本地化基础组件进行二次开发与模型微调。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-10-27 · 当前星标 ★ 1383

技术标签

deeplearning ocr text-recognition transformer

使用教程

难度：入门约 15 分钟部署方式：本地安装 7 步

环境要求

Ubuntu 16.04（README 给出的编译环境）等 Linux 系统
Python 2 或 Python 3，并预先安装 numpy
不支持 Windows、CentOS 6、ARM 架构
GPU 版本需预先安装 CUDA 10.1 与 cuDNN 7.6.5，且仅支持旧型号显卡

安装与启动步骤

1检查系统与依赖

确认系统为 Ubuntu 16.04 等 Linux，已安装 python2/python3 和 numpy；Windows、ARM 不受支持。
```
python3 -c "import numpy; print(numpy.__version__)"
```
2克隆项目源码

把仓库下载到本地并进入目录，后续安装命令都在 tr 目录内执行。
```
git clone https://github.com/myhub/tr.git
cd tr
```
3源码方式安装

在 tr 目录内执行，会编译 C++ 核心并安装 Python 模块，需要 sudo 权限。
```
sudo python setup.py install
```
4pip 方式安装

不想手动 clone 时可直接从仓库安装，效果与源码方式一致，仍需 sudo。
```
sudo pip install git+https://github.com/myhub/tr.git@master
```
5切换 GPU 版本

把 tr_gpu 文件夹里的文件复制到 tr 文件夹覆盖即可启用 GPU；前提是已装好 CUDA 与 cuDNN。
```
cp -r tr_gpu/* tr/
```
6运行测试脚本

执行可视化测试查看识别效果，另可用 python2 demo.py 与 test-multi-thread.py 分别测兼容与多线程。
```
python3 test.py
```

7Docker 运行 GPU 版

不想本地装 CUDA/cuDNN 时，可拉取镜像并以 nvidia-docker 挂载项目目录运行。

docker pull mcr.microsoft.com/azureml/onnxruntime:v1.3.0-cuda10.1-cudnn7
sudo nvidia-docker run -v /path/to/tr:/path/to/tr --rm -it mcr.microsoft.com/azureml/onnxruntime:v1.3.0-cuda10.1-cudnn7