卷积递归神经网络 该软件实现了卷积递归神经网络（CRNN），它结合了CNN，RNN和CTC损失，可用于基于图像的序列识别任务，例如场景文本识别和OCR。 有关详细信息，请参阅我们的论文 。 更新2017年3月14日，一个Docker文件已添加到项目中。 感谢 。 UPDATE 2017年5月1日一PyTorch已作出 。 更新2017年6月19日对于端到端文本检测器+识别器，请通过签出 。 建立 该软件仅在Ubuntu 14.04（x64）上经过测试。 需要启用CUDA的GPU。 要构建项目，请首先安装最新版本的 ， 和LMDB。 请分别遵循其安装说明。 在Ubuntu上，可以通过apt-get install liblmdb-dev 。 要构建项目，请转到src/并执行sh build_cpp.sh来构建C ++代码。 如果成功，则应在src/目录中生成一个名为libcrnn.so的文件。 运行演示 演示程序可以在src/demo.lua找到。 在运行演示之前，请从下载预训练的模型。 将下载的模型文件crnn_demo_model.t7放入目录model/crnn_demo/

crnn（基于pytorch、python3） 实现不定长中文字符识别-附件资源

行业分类-物理装置-一种基于CRNN算法的发票文件真伪识别方法.zip

img文件夹：用来存储验证码图片，10000张带标记的验证码数字图片。 Logs文件夹：用来存储模型训练权重。 训练15个epoch后val loss达到瓶颈，val loss = 0.09左右在也无法降低。 序列识别精度97.4%，效果极佳。

CRNN-Keras-master.zip

新版本发布： : 文字渲染器 生成用于训练深度学习OCR模型（例如 ）的文本图像。 同时支持拉丁文和非拉丁文。 设置 Ubuntu 16.04 python 3.5+ 安装依赖项： pip3 install -r requirements.txt 演示版 默认情况下，只需运行python3 main.py将在output/default/生成20个文本图像和一个labels.txt文件。 使用您自己的数据生成图像 请运行python3 main.py --help来查看所有可选参数及其含义。 并将您自己的数据放在相应的文件夹中。 在configs/default.yaml文件中配置文本效果和分数（或创建一个新的配置文件，并通过--config_file选项使用它），以下是一些示例： 效果名称 图像 原产地（字体大小25） 透视变换 随机作物 曲线 浅边框 深色边框

1、2000张车牌号序列图片。 2、搭建CRNN模型进行序列识别，精度达到91.2%。 3、可调用USB摄像头进行实时识别，鲁棒性较强。

crnn（基于pytorch、python3） 实现不定长中文字符识别-附件资源

这是 https://github.com/ksanjeevan/crnn-audio-classification.git这个项目所需要的包

另一个版本的crnn_audio class