PaddleOCR 是一个开源项目，基于深度学习技术实现的，本资源对PaddleOCR进行了封装，使用Flask对外提供接口，可使用docker-compose一键部署。 使用场景：验证码识别、提取图片中的文本 使用人群：爬虫工程师 其他说明：部署到服务器上，需要注意服务器性能，建议配置不低于4核8G

c#OCR识别图片识别文字，支持中文，内有一百多个语言支持包。无第三方接口。使用开源框架。语言支持包在 debug下面的tessdata中，代码调用简单，传入对应支持包名称即可。

滤波器书籍中的“圣经”

c#实现基于tesseract的ocr识别 ，二值化图片效果好

ocr.dll，常见验证码识别，易语言，内置init()以及ocr(a,b)的方法 a指byte数组，b是指数组长度。

delphi 写的 ocr 按键精灵识字插件 附带有 字库制作工具

Tesseract.js是流行的Tesseract OCR引擎的纯Javascript端口。 Tesseract.js的库支持100多种语言，自动文本方向和脚本检测，用于读取段落，单词和字符边界框的简单界面。 Tesseract.js可以在具有NodeJS的浏览器和服务器上运行。 Tesseract.js是一个JavaScript库，可从图像中获取几乎所有口头语言的单词。 Tesseract.js的主要功能（例如，识别，检测）采用图像参数，该参数应该类似于图像。 根据是从浏览器运行还是通过NodeJS运行，所谓的“类似图像”有所不同。

内容概要：整理自网上开源OCR资料，主要整理近几年OCR论文通用方法，结合多个指标对比可选择适合算法，包括有无代码、数据集是否规则、方法内容、识别效果指标等，资料比较全面，配合本博主的博客可以进一步详细学习，希望大家可以互相交流学习。 适合人群：OCR初学者及爱好者学习和研究。 能学到什么：快速了解整个OCR领域论文通用方法，通过不同方法对比可选择适合自己数据集的OCR识别方法，可以为科研或项目提供帮助。 阅读建议：可通过表格筛选工具选择自己想要的方法，横向和纵向对比，先找到方法，后查找对应论文详细内容，有助于快速了解OCR方法。强烈推荐大家学习.

训练 1.处理train 数据集 python3 ./utils/make_data.py 2.训练网络 python3 train.py 测试 1.加载模型，将训练好的模型放入./model/中 2.向test_img_list中添加需要测试的图片列表 test_img_list = ['/home/tony/ocr/test_data/00023.jpg'] 3.运行模型 python3 test_crnn.py

用python3开发的，采用opencv，百度OCR技术实现的军棋自动裁判器。将红，黑双方的棋子放在裁判器上，自动识别双方棋子的棋力大小。硬件部分的制作请参见https://blog.csdn.net/littlezhuhui/article/details/100633758