文件名称：场景文字识别-Python开发
文件大小：34.57MB
文件格式：ZIP
更新时间：2024-06-14 11:18:48
Python Deep Learning
用于任意形状的场景文本识别的AttentionOCR简介这是ICDAR2019基于任意张量流的场景文本点算法的排名第一在ICDAR2019任意形状文本（仅拉丁文，拉丁文和中文）上的稳健阅读挑战中基于No.1的基于张量流的场景文本发现算法，此外，该算法在ICDAR2019带有部分标签的大规模街景文本的稳健阅读挑战中也采用了该算法和ICDAR2019在招牌上阅读中文文本的强大阅读挑战。从T修改了场景文本检测算法
【文件预览】：
AttentionOCR-master
----fonts()
--------cn()
----.gitignore(61B)
----model()
--------__init__.py(0B)
--------tensorpack_model.py(5KB)
--------inception_v4.py(19KB)
--------model.py(23KB)
----eval.py(4KB)
----parse_dict.py(1KB)
----reference()
--------Attention_Mechanism_in_Deep_Learning.pdf(2.61MB)
----label_dict()
--------icdar_labels.txt(46KB)
----README.md(5KB)
----config.py(2KB)
----imgs()
--------attention_maps_gt_8454.jpg(82KB)
--------viz.png(1.85MB)
--------attention_maps_gt_8622.jpg(90KB)
--------attention_maps_gt_8459.jpg(156KB)
--------attention_maps_gt_94.jpg(87KB)
--------attention_maps_gt_8601.jpg(64KB)
--------attention_maps_gt_8473.jpg(84KB)
--------attention_maps_gt_1.jpg(103KB)
--------web.png(13KB)
--------loss.png(75KB)
--------attention_maps_gt_918.jpg(73KB)
----text_dataflow.py(9KB)
----test.py(4KB)
----dataset.py(16KB)
----common.py(4KB)
----export.py(1KB)
----train.py(3KB)