QQ①群：994929053 QQ②群：820132154
- 整合好源码和依赖库的完整工程项目，文件比较大，可到Q群共享内下载，以Project开头的压缩包文件为源码工程，例：Project_OcrLiteNcnn-版本号.7z
- 如果想自己折腾，则请继续阅读本说明
- 编译好的demo，可以在release中下载，或者Q群共享内下载
- 或者Gitee下载
- 或者Github下载
- 各平台可执行文件：linux-bin.7z、macos-bin.7z、windows-bin.7z
- 用于java的jni库：linux-jni.7z、macos-jni.7z、windows-jni.7z
- 用于C的动态库：linux-clib.7z、macos-clib.7z、windows-clib.7z
- 注意：linux编译平台为ubuntu18.04，如果你的linux版本无法运行demo，请自行从源码编译依赖库和完整项目。
ChineseOcr Lite Ncnn，超轻量级中文OCR PC Demo，支持ncnn推理
对应chineseocr lite的onnx分支
这个项目使用ncnn框架进行推理，模型是从onnx模型转成了ncnn模型格式。
详情请查看 https://github.com/ouyanghuiyu/chineseocr_lite
采用ncnn神经网络前向计算框架https://github.com/Tencent/ncnn
- opencv 4.5.4
- ncnn 20210720
- 优化编译脚本和测试脚本
模型下载地址 下载后解压到项目根目录
OcrLiteNcnn/models
├── angle_op.bin
├── angle_op.param
├── crnn_lite_op.bin
├── crnn_lite_op.param
├── dbnet_op.bin
├── dbnet_op.param
└── keys.txt
- 根据系统下载对应的程序包linux-bin.7z、macos-bin.7z、windows-bin.7z，并解压.
- 把上面的模型下载，解压到第一步解压的文件夹里.
- 终端运行run-test.sh或命令行运行run-test.bat，查看识别结果.
- 终端运行run-benchmark.sh或命令行运行run-benchmark.bat，查看识别过程平均耗时.
brew install libomp
参考编译说明 安装vulkan sdk
下载安装适用于 Visual Studio 2015、2017 和 2019 的 Microsoft Visual C++ 可再发行软件包 下载地址
- cmd窗口左上角-属性
- 字体选项卡-选择除了“点阵字体”以外的TrueType字体,例如:Lucida Console、宋体
- 重新执行bat
- 请参考main.h中的命令行参数说明。
- 每个参数有一个短参数名和一个长参数名，用短的或长的均可。
-d或--models：模型所在文件夹路径，可以相对路径也可以绝对路径。-1或--det:dbNet模型文件名(不含扩展名)-2或--cls:angleNet模型文件名(不含扩展名)-3或--rec:crnnNet模型文件名(不含扩展名)-4或--keys:keys.txt文件名(含扩展名)-i或--image：目标图片路径，可以相对路径也可以绝对路径。-t或--numThread：线程数量。-p或--padding：图像预处理，在图片外周添加白边，用于提升识别率，文字框没有正确框住所有文字时，增加此值。-s或--maxSideLen：按图片最长边的长度，此值为0代表不缩放，例：1024，如果图片长边大于1024则把图像整体缩小到1024再进行图像分割计算，如果图片长边小于1024则不缩放，如果图片长边小于32，则缩放到32。-b或--boxScoreThresh：文字框置信度门限，文字框没有正确框住所有文字时，减小此值。-o或--boxThresh：请自行试验。-u或--unClipRatio：单个文字框大小倍率，越大时单个文字框越大。此项与图片的大小相关，越大的图片此值应该越大。-a或--doAngle：启用(1)/禁用(0) 文字方向检测，只有图片倒置的情况下(旋转90~270度的图片)，才需要启用文字方向检测。-A或--mostAngle：启用(1)/禁用(0) 角度投票(整张图片以最大可能文字方向来识别)，当禁用文字方向检测时，此项也不起作用。-h或--help：打印命令行帮助。-G或--GPU：尝试使用gpu进行计算，-1(使用CPU)/0(使用GPU0)/1(使用GPU1)/...，GPU选择失败时，则使用CPU进行计算。
- 项目根目录的valgrind-memcheck.sh用来检查内存泄漏(需要debug编译)。
- valgrind-memcheck.txt是demo在linux平台的检查报告。
- 报告中的"possibly lost"均发生在第三方库，possibly lost可能不一定是泄露，暂时不管。