CTPN+CRNN在cpu机器下的使用

前言

刚开始接触ocr的时候，用的是开源的tesseract，对于普通场景的图片效果还行（4.0版本），但对于自然场景下（有图片背景之类的）效果极差，故而接触到CTPN+CRNN的自然场景文字监测。

初相遇

整个下载的过程就不说了，网上也有很多的材料，下载下来后的版本带了demo.py，但是使用都是需要gpu支持的。而我只有cpu的机器，这里记录一下修改并使其在cpu服务器上正常运行的过程。
相关下载链接：
图片文字定位：https://github.com/tianzhi0549/CTPN
图片文字识别： https://github.com/bgshih/crnn
综合两者并支持中文：https://github.com/bear63/sceneReco

使用过程

整个sceneReco-master分为CTPN和CRNN两大块。CTPN主要检测文本块的，crnn主要是提取文字的。

环境：centos7.4（开发版） python2.7

ctpn

编译caffe环境

直接下载的sceneReco-master里面是没有ctpn所需caffe源码的，是额外下载的CTPN源码中携带的。

编译caffe有一些依赖的环境，这里就不多说了，反正编译完成之后，提供给sceneReco-master使用即可。
ps：我是把编译后的caffe放到了sceneReco-master的CTPN下

设置一下环境变量即可。

export PYTHONPATH=/appslog/qu/sceneReco-master/CTPN/caffe/python:$PYTHONPATH
export LD_LIBRARY_PATH=/appslog/qu/sceneReco-master/CTPN/caffe/lib/:$LD_LIBRARY_PATH

模型放入对应的目录

ctpn是caffe训练的模型，crnn是用torch的模型，都是现成下载的
http://textdet.com/downloads/ctpn_trained_model.caffemodel
crnn：找不到下载的地址了，可以百度找找，名字是netCRNN63.pth

ctpn模型

crnn模型

修改部分代码

因为默认的demo是基于gpu的，在这里把相关的部分改为cpu的。涉及到以下几个文件的改动
一、sceneReco-master/crnn/models/utils.py

二、sceneReco-master/crnnport.py




三、sceneReco-master/ctpnport.py

四、sceneReco-master/demo.py

这里是我自己加的，对文本做了个排序，不是必要的。

试运行

修改完成后，试运行效果：
python demo.py

ps：我这里是终端中文显示问题未处理，所以中文未正常展现。实际上我调用接口获取到的数据是酱紫的。

总结

以上是自己使用过程中的一些记录，如有描述不对的，请指出。不喜勿喷。