该存储库已存档。 请查看有关GitHub的所有其他（更好的）实现。 神经网络 的TensorFlow实现 但是什么是CRNN？ 这是一个卷积递归神经网络，可以用作OCR 要求 Tensorflow（已测试1.8） pip3 install tensorflow Scipy pip3 install scipy 使用了哪些培训数据？ 所有训练数据（20万个示例）都是使用我的其他项目生成的 为此，只需使用pip安装该项目（ pip install trdg ），然后执行trdg -c 200000 -w 1 -t 8 。 -t应该是您的处理器线程数。 预训练模型 在CRNN /保存中可用。

使用 PyTorch 框架使用 CRNN 和 CTC 损失进行多位序列识别 训练结果 测试结果

HandwritingTextRecognition-Pytorch：具有Pytorch和CTC丢失的手写文本识别

CNN_LSTM_CTC_Tensorflow 基于CNN + LSTM + CTC的OCR（光学字符识别）使用张量流实现。 注意：图像中的字符数（可变长度）没有限制。 看一下下面的图像。 我使用此代码训练了一个具有100k图像的模型，并在对测试数据集（200k图像）获得了99.75％的准确性。 两个数据集中的图像： 更新2017.11.6 ： 竞争页面现在不可用，如果要重现此结果，请参见有关数据集的，解压缩.tar.gz文件后，标签文件（.txt文件）与图像位于同一文件夹中。 更新2018.4.24 ： 更新到tensorflow 1.7并修复问题报告的一些错误。 结构体 图像

crnn_ctc-centerloss 2020.12.27更新 使用最后一层全连接层输入的功能作为处理对象，即缩小这一功能的类内距离 实现功能和标签的对齐，主要解决了预测重复，预测漏字时的对齐问题（需要tf1.15） 增加对关键指标的计算和追踪，训练过程更直观，方便debug（需要tf1.15） 中心之间的距离 字符距离自己中心，形近字中心的距离 经过训练，字符距离差增大，预测置信度和距离差拥有一定相关性 增加feature的可视化，使用tensorboard的嵌入投影仪，方便调试 # 生成 embedding 图 python -m libs.projector --model=your_model_path --file=your_label_file_path --dir=your_log_dir # 启动 tensorboard tensorboard --logdir=you

楼主自己整理的，网上关于CTC的资料参差不齐，一些比较好的资料都是英文版的，因此在这里祭上全网最好的CTC中文版学习资料，图文并茂，容易理解，欢迎下载。

第一部分：CTC概述 第二部分：高铁CTC接口原理 第三部分：CTC系统维护 卡斯柯对CTC的讲解ppt非常全面

CNN+CTC_tutorial.ipynb为语音模型的教程，详细介绍了搭建网络的一步步的操作。 LanguageModel2.py为基于统计的语言模型，dict.txt为统计的字典。

CTC讲义一（历史与发展），CTC讲义一（历史与发展）PPT，CTC讲义一（历史与发展）课件

新型纳米微流控芯片在胰腺癌CTC检测中的模拟与优化.pdf