复制以改进使用。

Gitee下载

ChineseOcr Lite Onnx，超轻量级中文OCR Demo，支持ncnn推理(DBNet+AngleNet+CRNN)

代码和模型均源自chineseocr lite的onnx分支

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

整合了如下算法： DBNet(图像分割)+AngleNet(文字方向检测)+CRNN(文字识别)

1. cmake 3.18.4
2. 内置的ncnn预编译库版本为 20200916 b766c8c
3. opencv动态库版本3.4.x以上

1. Windows10 x64 /VS2019
2. cmake请自行下载&配置
3. 下载opencv-3.4.11-vc14_vc15.exe，下载地址，把文件解压到项目根目录。解压后目录结构为

OcrLiteOnnx/opencv
│  LICENSE.txt
│  LICENSE_FFMPEG.txt
│  README.md.txt
├─build              
└─sources

4. VS2019安装时，至少选中"使用C++的桌面开发"
5. 开始菜单打开"x64 Native Tools Command Prompt for VS 2019"，并转到OcrLiteOnnx根目录
6. 运行build-win.cmd
7. 编译完成后运行run-test-win.cmd进行测试，或直接运行OcrLiteOnnx.exe，识别test目录下的7张图片

1. macOS Catalina 10.15.x
2. 自行下载安装HomeBrew
3. 下载opencv：brew install opencv@3
4. libomp: brew install libomp
5. 编译：./build.sh
6. 测试：./run-test.sh，或直接运行./OcrLiteOnnx，识别test目录下的7张图片

1. Deepin 20 或其它发行版
2. 安装build-essential:略……
3. 下载opencv：各发行版不大一样，略……
4. 编译：./build.sh
5. 测试：./run-test.sh，或直接运行./OcrLiteOnnx，识别test目录下的7张图片

1. *-part-x.jpg为分割后的图片
2. *-debug-x.jpg为分割后的图片进行方向识别后，校准方向后的图片
3. *-result.jpg为图像分割画框的结果
4. *-result.txt为识别的最终结果
5. 最终结果包含：图像分割耗时、文字框分数、文字框坐标、文字方向索引、文字方向分数、文字识别结果、各个文字的分数、文字识别耗时、整张图片总耗时。