自然场景OCR（YOLOv3+CTPN+CRNN）,附带整个项目代码，详细代码注释挺不错的一个资源，亲测可用，如果需要的话，就赶紧来下载吧!!

天若OCR是一款文字提取工具，截图提取文字的辨别度高，而且是免费的，界面也比较简洁，这个工具也比较轻量。

calamari OCR引擎，使用Python3编写,基于OCRopy和Kraken构建,它的设计使你既可以方便的使用命令行运行，也可以把它模块化嵌入到其他python脚本中。 基于OCRopy和Kraken的OCR引擎使用python3。 它的设计既易于从命令行使用，又可以模块化，以便从其他 Python 脚本进行集成和定制。 预训练模型库 预训练模型可在 (https://github.com/Calamari-OCR/calamari_models) 获得。 可以在此处访问当前版本 (336 MB)。 使用 Pip 安装 建议的方法是使用 pip 将 calamari 安装到虚拟环境中： virtualenv -p python3 PATH_TO_VENV_DIR (eg virtualenv calamari_venv) source PATH_TO_VENV_DIR/bin/activate pip install calamari_ocr pip install tensorflow # 或 pip install tensorflow_gpu 以获得 GPU 支持

自然场景 文本行定位 pixel-link PixelLink放弃了边框回归的思想，采用实例分割的方法，分割出文本行区域，然后直接找对应文本行的外接矩形框．

神经网络 卷积神经网络的Keras文本识别实现 此实现中有两种可用的模型。 一个基于原始CRNN模型，另一个则包含空间转换器网络层以纠正文本。 但是，性能差别不大，因此由您决定选择哪种型号。 训练 您可以使用Synth90k数据集训练模型，但也可以使用自己的数据。 如果使用自己的数据，则必须重写代码，以便根据数据结构来加载数据。 要下载Synth90k数据集，请转到此并下载MJSynth数据集。 可以将Synth90k数据集放在data/Synth90k或者使用--base_dir参数指定数据集的路径。 基本目录应包括许多包含Synth90k数据的子目录，用于训练，验证和测试数据的注释文件，列出数据集中所有图像的路径的文件以及词典文件。 使用--model参数指定要使用的两个可用模型中的哪个。 默认模型是带有STN层的CRNN。 有关详细信息，请参见config.py 。 运行tra

DL之CNN：基于CRNN_OCR算法(keras,CNN+RNN)利用DIY数据集训练来实现新图片上的不定长度中文文字识别 https://blog.csdn.net/qq_41185868/article/details/90246673

多元统计分析及SPSS应用_汪冬华_带书签_带OCR.PDZ格式需要用超星阅读器打开，带的有OCR识别，比pdf格式好的是能够直接识别出文字

python识别中文需要。无需积分，免费下载。

OCR文字识别软件，它具备多功能OCR识别+翻译+朗读+弹窗可谓是功能超级的强大，比之前发布的天若OCR文字识别工具 还强大，截图OCR识别，图片OCR识别，剪切OCR识别，可以轻轻松松把我们文本，书本，图片上面的长篇文字精准的识别出来，非常方便，而不需要耗费大量的时间来一个字一个字的打出来，为用户节约了大量的时间，提高了个人或企业的办公效率，PandaOCR 默认是开启语音播报功能的，首次打开就会传来一阵女性电子音 “叮，已完成初始化！”，文字识别后也会自动朗读文字内容，PandaOCR 内置多个OCR引擎接口，百度OCR、搜狗OCR、有道OCR和腾讯OCR，这里推荐搜狗或腾讯的接口，语音朗读引擎有搜狗朗读、腾讯朗读、百度朗读、必应朗读和讯飞合成，还有就是千万不要点击左上角的熊猫图像，千万不要点击左上角的熊猫图像，千万不要点击左上角的熊猫图像，重要的事情易这里要说三遍。

OCR_TIANCHI_ICPR 用法： 从下载训练有素的模型。 在single_ctpn中运行text_detector.ipynb。 样品： 结果： $锚点：（x1，y1，x2，y2，x3，y3，x4，y4）$每个文本区域的$将存储在结果文件夹中，其中txt文件的名称是相应的图像文件。