CHINESE-OCR

经典 CTPN+CRNN 方案，快速跑通中文场景文字识别

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。

开源 free 计算机视觉

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 2956

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类计算机视觉

开发团队xiaofengShi

所属国家

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free

价格说明开源免费项目，需自行部署

访问状态

是否开源是

开源协议

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★ 2956

30天Star增速

HF 下载量

上线时间2018-04-14 00:00:00

最近更新2026-09-14 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-19

浏览次数0

使用教程

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`

如何确认成功

demo.py 运行结束后终端输出 OCR 识别文字；若改了 draw_boxes，还能在 dest_path 看到画有 CTPN 文字区域框的图片。

常见问题

Q：安装时报依赖版本冲突怎么办？

A：本项目基于 Python 3.6、TensorFlow 1.x 和较早版本的 Keras/PyTorch，建议用独立的 Python 3.6 虚拟环境或 conda 环境执行 setup 脚本，不要装到新版 Python 上。

Q：预训练模型或依赖下载链接打不开？

A：README 明确提示这是历史项目，依赖版本与下载链接可能已经过期。可先搜索仓库现有 Issue 中是否有人给出替代地址。

Q：demo 跑完看不到检测框图像？

A：README 说明需自行修改 ./ctpn/ctpn/other.py 的 draw_boxes 函数最后部分，加上 cv2.imwrite('dest_path', img) 才会落盘保存结果图。

Q：可以商用吗？

A：仓库没有附带明确的开源许可证，默认版权归作者保留。商业使用、再分发或大规模衍生开发需先与维护者联系确认授权。

注意事项

本项目为历史项目，仅维护现状，不再进行功能开发，提问回复可能较慢；新用户请先阅读现有 Issue
使用环境为 Python 3.6 + TensorFlow 1.7（CPU/GPU），在新机器上复现需要额外处理旧版本依赖
作者已转向其他研究方向，CTPN/CRNN 相关代码更偏教学与复现价值
商业使用或再分发前请先确认授权，仓库暂无明确开源许可证

核心亮点

提供 CTPN 检测与 CRNN+CTC 识别完整流程，含训练和推理脚本，可直接复现论文级方案
同时覆盖 TensorFlow/Keras 和 PyTorch 两套 CRNN 实现，便于对比学习
附带预训练权重与示例数据，降低中文 OCR 入门门槛

不足之处

项目标注为 legacy，依赖版本较旧，在新环境安装可能遇到兼容性问题
仅支持水平文本检测，对弯曲、竖排、任意方向中文文本效果有限

适用场景

学习 CTPN、CRNN、CTC 等 OCR 核心算法的教学与实验
中文票据、证件、街景文字识别原型快速验证
作为基线模型对比新式 OCR 方案（如 DBNet+CRNN）的性能

替代项目

PaddleOCR、chineseocr_lite

项目介绍

CHINESE-OCR 是一个计算机视觉领域的开源项目，官方简介：End-to-end Chinese scene-text detection and recognition with CTPN, CRNN, and CTC (legacy project).。项目使用 Python 开发，在 GitHub 上获得 2956 星标。

上一篇：ocr

下一篇：surya