就我所知，十分完善的场景文字检测的代码网上是没有的，有的只是一些算法，或者比较过时的系统，本文的出现正是希望通过本人的一点努力填补这个空白，方便广大研究者能够更快入门，至少一开始研究就有一个基本框架。

资源包含文件：lunwen文档+任务书+开题报告+文献综述+外文翻译+软件使用说明书+源码及数据集 流程分为两个部分，一是文本检测，二是文本识别。 文字检测的主要功能为：从图像中找到文字区域，并将文字区域从原始图像中分离出来。 文字识别的主要功能为：从分离出来的图像上，进行文字识别。 文字识别流程： 1）预处理：去噪（滤波算法）、图像增强、缩放，其目的是去除背景或者噪点，突出文字部分，并缩放图片为适于处理的大小 2）特征抽取：常用特征：边缘特征、笔画特征、结构特征、纹理特征。 3）识别：分类器，随机森林 、SVM、NN、CNN等神经网络。 本次设计的环境如下 软件环境 操作系统 ubantu 16.04 Tensorflow tensorflow1.3.0-gpu Python python2.7 硬件环境 CPU Intel(R) Xeon(R) CPU E5-2650 v4 @ 2.20GHz GPU TITAN X (Pascal) 详细介绍参考：https://biyezuopin.blog.csdn.net/article/details/125342848

Opencv调用EAST场景文字检测模型进行文字检测（附Python，C++代码）-附件资源

场景文字 检测 matlab 源码，来自github代码可以参考一下，欢迎下载看看，代码很多仔细看和分析，一定会有所收获

python基于tensorflow、keraspytorch实现对自然场景的文字检测及端到端的OCR中文文字识别chinese_ocr-master.zip

Seglink场景定向文字检测算法的TensorFlow实现

mser场景文字块检测，优化后的tesseract识别引擎对单行进行识别

一个人工智能神经网络BrainNet源代码及完整的示例教程(并实现一个简单的手写文字检测与识别系统)

文字检测CTPN论文讲解制作的ppt

包含Text Location 2015 和 Word Recognition 2015数据集 (包括训练数据集与测试数据集)