CHINESE-OCR

经典 CTPN+CRNN 方案，快速跑通中文场景文字识别

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 940 🐛 待处理 155 👀 关注 86

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 2960

维护状态维护中

是否开源开源

定价模式 🏷️完全免费开源免费项目，需自行部署

项目预览

项目数据

分类计算机视觉

开发团队xiaofengShi

官网地址https://xiaofengshi.com/2019/01/23/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0-TextDetection

GitHubhttps://github.com/xiaofengShi/CHINESE-OCR

定价模式🏷️完全免费

价格说明开源免费项目，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chinese-ocr,crnn,ctpn,keras-crnn,legacy-project,lstm-ctc,ocr,pytorch-crnn,scene-text-recognition,tensorflow

GitHub 星标★ 2960

上线时间2018-04-14 00:00:00

代码更新2026-08-21

仓库体积124.2 MB

本站数据更新2026-11-04

维护状态维护中

收录时间2026-09-19

浏览次数1

项目介绍

CHINESE-OCR 是一个面向中文自然场景文字的端到端检测与识别开源项目，采用 CTPN 做文本检测、CRNN+CTC 做文本识别的经典两阶段方案。它解决的核心问题是：在复杂背景、多角度、光照不均的自然场景图片中，自动定位中文文本行并输出可读文字，弥补早期 OCR 工具对中文竖排、密集字符和倾斜文本支持不足的缺陷。项目基于 TensorFlow/Keras 与 PyTorch 实现了 CRNN 训练与推理流程，提供数据准备、模型训练、测试评估的完整脚本，并附带预训练权重与示例图片，方便开发者快速跑通 demo。作为 legacy 项目，它更偏向教学与复现价值，代码结构清晰，适合作为学习 CTPN、CRNN、LSTM-CTC 原理的入门材料，也可作为中文 OCR 业务的原型基线。

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 2026-09-19 · 当前星标 ★ 2960

技术标签

ocr tensorflow

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：高级约 60 分钟部署方式：本地安装 6 步

环境要求

Python 3.6
TensorFlow 1.7（CPU 或 GPU 版本）
Keras / PyTorch（随 setup 脚本一起安装的较早版本）
可用的 CPU 或 GPU 环境（GPU 环境需自行准备 CUDA）

安装与启动步骤

1克隆项目仓库

把 CHINESE-OCR 源码下载到本地，并进入项目目录，后续命令都在该目录中执行。
```
git clone https://github.com/xiaofengShi/CHINESE-OCR.git
cd CHINESE-OCR
```
2按环境执行安装脚本

README 只提供三个 setup 脚本：GPU 环境用 setup.sh，CPU 环境用 setup-cpu.sh，CPU python3 环境用 setup-python3.sh，按自己的机器选择其一执行。
```
sh setup-cpu.sh
```
3下载预训练权重

文字方向检测（VGG 分类）、CTPN、CRNN 的模型权重需从 README 给出的百度云链接下载并放到项目对应目录，链接可能已过期。
4放入测试图片

准备一张自然场景中文图片，运行 demo 时把测试图片的路径写入脚本中即可，图片路径不要用占位符。
5运行 demo 测试

执行 demo.py，把待测图片路径写进脚本；如需显示 CTPN 检测框，还要修改检测相关代码。
```
python demo.py
```
6输出检测框结果图

修改 ./ctpn/ctpn/other.py 中 draw_boxes 函数最后部分，用 cv2.imwrite('dest_path', img) 保存带文字区域框的图像。

关键配置

配置项	必填	说明	示例
`测试图片路径`	是	demo.py 中写入待识别图片的本地路径	`./test.jpg`
`dest_path`	否	other.py 中 draw_boxes 保存检测框结果图的输出路径	`./result.jpg`