由于tesseract的中文语言包“chi_sim”对中文手写字体或者环境比较复杂的图片，识别正确率不高，因此需要针对特定情况用自己的样本进行训练，提高识别率，通过训练，也可以形成自己的语言库。
View Details目录
1、准备工作
2、训练步骤
2.1、生成训练用tif和box文件
2.2、生成lstm文件
2.3、生成lstmf文件
2.4、生成lstmf清单文件
2.5、开始训练
2.6、生成traineddata文件
2.7、安装字体
3、验证与测试
4、提高准确率
5、提升训练效率
6、避坑指南
1.pom文件添加依赖 <!-- 图形验证码识别https://mvnrepository.com/artifact/net.sourceforge.tess4j/tess4j --> <dependency> <groupId>net.sourceforge.tess4j</groupId> <artifactId>tess4j</artifactId> <version>4.5.4</version> </dependency> 2.下载文件配置 链接：https://pan.baidu.com/s/1BsFJ7uTl-AEzcUEfuV9ESw 提取码：4wzp 解压后显示 3.进入dist文件，拷贝文件tess4j-3.4.8.jar到lib文件下 4.将lib文件和tessdata文件方到项目根目录 5.进入项目编码软件刷新项目目录 6.testdata可以放到项目文件目录下 7.被识别的图片存放位置 新建目录，放在项目路径下 8.编写识别代码 package com.app.ocr; import net.sourceforge.tess4j.ITesseract; import net.sourceforge.tess4j.Tesseract; import net.sourceforge.tess4j.TesseractException; import java.io.File; import java.io.IOException; public class Main { public static void main(String[] args) { // 当前项目存放路径 String path = "E://heduijiang//APP-test//APP-test//src//test//resources"; // 要识别的图片 File file = new File("E://heduijiang//APP-test//APP-test//src//test//resources//tupian//9188.png"); ITesseract instance = new Tesseract(); /** * 获取项目根路径， */ File directory = new File(path); String courseFile = null; try { courseFile = directory.getCanonicalPath(); } […]
View Details1. 简介
Anaconda（官方网站）就是可以便捷获取包且对包能够进行管理，同时对环境可以统一管理的发行版本。Anaconda包含了conda、Python在内的超过180个科学包及其依赖项。
2. 特点
Anaconda具有如下特点：
▪ 开源
▪ 安装过程简单
▪ 高性能使用Python和R语言
▪ 免费的社区支持
其特点的实现主要基于Anaconda拥有的：
▪ conda包
▪ 环境管理器
▪ 1,000+开源库
文章目录
1. 安装
1.1 还是需要paddle
1.2 确认各种包和环境
1.3 可能不需要paddle？
2. 使用
2.1 配置摄像头，读取，识别，显示
2.3 检测模型的问题
2.3.1 换个模型
2.3.2 限定检测位置
3. 性能改进
3.0 基本情况
X 自己模型的速度和全用默认的速度对比
3.1 端侧部署
3.2 加速
3.2.1 CPU下使用mkldnn加速
3.2.2 修改参数
3.2.3 内存泄露
3.2.4 内存泄漏的问题记录
3.3 剪枝
3.4 其他可能的途径
3.3 更换模型
3.4 多进程
3.5 cpu占用问题
3.5.1 paddle绑定cpu问题
3.6 推理部署文档
上一篇讲了PaddleOCR的简单使用，但是最终的目的肯定是要将它进行服务部署方便我们调用的，这里介绍一下他的服务部署方式
选择部署方式
官方推荐有以下几种：
Python 推理
C++ 推理
Serving 服务化部署（Python/C++）
Paddle-Lite 端侧部署（ARM CPU/OpenCL ARM GPU）
Paddle.js 部署
本文实现在windows平台下依靠现有资源来搭建一个图片文字识别的WebAPI，便于其他项目通过Post方式将图片进行Base64编码后传到该API，能够得到图片中的文字信息
第一步：安装Python环境
第二步：安装 opencv-python
第三步：安装 paddleocr
第四步：安装 paddlepaddle
第五步：安装 Flask
第六步：安装 DateTime
第七步：编写 PaddleOCR.py 文件，并放在D盘根目录中，文件内容如下
第八步：启动API服务
在项目微服务的升级过程中，我们通常会设置一个网关，作为一个洪流的出入口，在Spring Cloud 中提供了对应的功能，也就是Spring Cloud Gateway。对于旧的项目springMVC，实际也就是将spring-webmvc升级为spring-webflux，但你会发现fromdata 形式的数据，在webmvc可以被封装成参数，而在webflux中却不能，是不支持吗？
View Details