【声明】 该简易系统是由多个工具组合而成（自找自编脚本），优点是0成本，缺点是用户体验可能不太好，请谅解。 【使用场景】 在特定场景下，我们希望0成本，通过手机OCR拍照，识别证件信息，上传到服务器。 该工具可满足你的要求。

这是一个关于支持TWAIN协议设备，摄像头抓图，百度OCR识别的DEMO源码-解压需要密码-有偿提供。经常测试和实际项目应用。

实战项目—文档扫描OCR识别

这是一个基于opencv-python实现的OCR识别代码项

　Umi-OCR批量图片转文字是一款小巧易用的OCR批量文字识别软件。该软件界面美观，支持用户在没有网络的时候使用，帮助用户识别图片中的文字内容，并且支持用户编辑识别后的文字，有需要的话可以试试。 另外，由于软件基于PaddleOCR，所以可以使用PaddleOCR的各种模型库，可以手动切换识别模型； 软件已自带PaddleOCR轻量模型，识别速度快，如需要更高精度，可手动下载通用模型

OCR识别工具 天若OCR开源版V5.0.0，个人认为该版本在使用过程中识别率比其他版本高。

1、在程序同一目录下新建 【发票】 文件夹； 2、将需要批量识别的电子发票（*.pdf格式）放到 【发票】 目录; 3、运行程序，填写发票报账月份、报账人，点击【提交】，开始自动识别； 4、程序通过Paddle OCR自动识别发票，提取发票关键信息； 5、提取到的关键信息，将会保存在程序同一级目录下的 【增值税导入模板“】文件夹； 6、程序自动将发票按照【发票类型+发票号码+含税总额+报账人】 格式进行重命名； 本程序只需要简单的操作，就可以实现自动化批量识别电子增值税发票，提取关键信息，并保存为excel文件，同时自动将发票按照标准格式进行重命名。

这是我的学士论文。 主要用于欧洲的车牌。 训练集的照片主要是在汽车尾部和头部的停车场拍摄的。 因为神经网络的训练是EXTREMELY TARGETED，例如：如果你的测试照片和我的训练集（包括分辨率、场景、颜色）有很大的差异，就会导致识别不准确。 在这种情况下，您可以使用文件中的两个训练函数来训练您需要识别的场景。 由于我个人能力，没有大数据集提供给我，我的训练数据也只有几百张图片。 如果您有更多的训练数据，则可以获得更好的结果。 车牌识别由三部分组成： 1.图像预处理2.车牌定位3.字符识别 定位模块： 主要思想是首先在适当的图像预处理（形态学处理）后搜索8个连通区域。 如果这一步成功，8-connectivty 捕获的区域通常比神经网络锁定的区域更准确。 车牌和类似标志具有不同于周边区域的明显区域特征：车牌与其周边区域没有通过共同特征连接。 整个预处理图像被二值化并存储在逻辑矩阵中

安装说明 将下面的文件复制到以下文件夹： C:\Program Files\Common Files\Microsoft Shared\MODI\11.0 （32位系统 Office 2003） C:\Program Files (x86)\Common Files\microsoft shared\MODI\11.0 （64位系统 Office 2003） C:\Program Files\Common Files\Microsoft Shared\MODI\12.0 （32位系统 Office 2007） C:\Program Files (x8

利用深度学习模型的注意力机制 对LaTex公式进行识别，本项目利用的是tensorflow 可以快速识别图片的latex公式，可以免除打LaTex公式太烦等 包括以下部分 1. 搭建环境 Linux Mac 2. 开始训练 生成小数据集、训练、评价 生成完整数据集、训练、评价 3. 可视化 可视化训练过程 可视化预测过程 4. 评价 5. 模型的具体实现细节 总述 数据获取和数据处理 模型构建 6. 踩坑记录 win10 用 GPU 加速训练 如何可视化Attention层