基于DBnet+CRNN+CTC的证件OCR任务，tensorflow2.x实现

最近初步完成了一项海外证件全信息识别的项目，主要有四大模块：证件定位（BISNET分割），文本检测（DBnet），文本识别（CRNN+CTC），信息抽取（规则）。目前，证件定位的准确率为99%；本检测的准确率为99.2%；识别的准确率为98%（以字段为单位）。本文主要整理OCR模块，有空整理完代码放到github上。由于工作比较忙，暂时没空整理代码到git上，有问题欢迎直接留言。

一.文本检测模块

考虑到证件是用户用手机拍摄，有畸变，有旋转问题，光照和遮挡问题，所以采取了DBnet的思路。关于DBnet的原理，大家可以自行搜索相关资料学习，网上介绍的资料也非常多。

1.1标注

标注方式我是采用以行为单位的文本框四边形标注，标注文档以json的格式存放。格式如图所示：

polygon的顶点坐标为浮点数，这是标注工具自动生成的，训练和验证的时候需要转成整数。

1.2 训练

见github代码。

1.3 推理

见github代码。

二.文本识别

由于海外证件不确定信息较多，如住址，职业，发证地址等，属于不定长文本识别。考虑使用crnn+ctc的思路。

2.1标注格式

文本图像，jpg格式，同名的txt文件，标签为文本图像的内容。同时还有字符映射表，也是txt文档，可根据自己的任务更改映射表的内容。

2.2 训练

见github代码。

2.3 推理

见github代码。

最后，放上代码链接地址：