通过CTPN进行文字定位，CRNN进行文字识别以及Flask Web实现银行卡号码识别
Github地址
由于我并不是机器学习方向，完成此项目只是学校课程需要
所以文章可能只是如何开始并完成这个项目，至于深层次的原理，推荐两篇中文博文
【OCR技术系列之五】自然场景文本检测技术综述（CTPN, SegLink, EAST）
【OCR技术系列之七】端到端不定长文字识别CRNN算法详解
硬件设备以及部分驱动和依赖如下：
Ubuntu18.04 + CUDA 8.0.61 + GeForce GTX 960M + NVIDIA Driver 430.14 + Python3.6 + Tensorflow-gpu
安装完成后，可以通过下面命令在你的设备中检查
克隆源代码，并生成Python3虚拟环境
git clone https://github.com/bay1/card-crnn-ctpn.git
python3 -m virtualenv venv
source venv/bin/activate # 激活虚拟环境
pip install -r requirements.txt # 安装项目依赖项目中用到了warpctc-pytorch，需要我们手动安装
注意这里的命令需要在Python虚拟环境中执行
git clone https://github.com/SeanNaren/warp-ctc.git
cd warp-ctc
mkdir build; cd build
cmake ..
make你可能会遇到如下错误，这是因为你的gcc版本过高，需要低于5.0版本
/usr/local/cuda-8.0/include/host_config.h:119:2: error: #error -- unsupported GNU version! gcc versions later than 5 are not supported!
#error -- unsupported GNU version! gcc versions later than 5 are not supported!
^~~~~如果你系统中有多个gcc版本，你可以执行下面的命令指定"gcc"命令链接的具体指令
比如我指定我系统中存在的另一个gcc版本： gcc-4.9
sudo rm /usr/bin/gcc
sudo ln -s /usr/bin/gcc-4.9 /usr/bin/gcc
你也可能会遇到如下错误
/usr/bin/ld: CMakeFiles/test_gpu.dir/tests/test_gpu_generated_test_gpu.cu.o: relocation R_X86_64_32S against `.bss' can not be used when making a PIE object; recompile with -fPIC
/usr/bin/ld: 最后的链结失败: 输出不可表示的节
collect2: error: ld returned 1 exit status
CMakeFiles/test_gpu.dir/build.make:98: recipe for target 'test_gpu' failed
make[2]: *** [test_gpu] Error 1
CMakeFiles/Makefile2:146: recipe for target 'CMakeFiles/test_gpu.dir/all' failed
make[1]: *** [CMakeFiles/test_gpu.dir/all] Error 2
Makefile:129: recipe for target 'all' failed
make: *** [all] Error 2根据报错内容，我们可以直接修改目录下的CMakeCache.txt
CMAKE_CXX_FLAGS:STRING=-fPIC # 39 行
然后我们根据warp-ctc说明，执行下面命令
cd ../pytorch_binding
python setup.py install此时你可能会遇到如下错误
src/binding.cpp:6:10: fatal error: torch/extension.h: 没有那个文件或目录
#include <torch/extension.h>
^~~~~~~~~~~~~~~~~~~
compilation terminated.
error: command 'x86_64-linux-gnu-gcc' failed with exit status 1根据前人的经验，https://github.com/SeanNaren/warp-ctc/issues/101
我们直接切换以前的版本即可
git checkout ac045b6文本位置定位，我直接借用的此项目以及其训练的模型text-detection-ctpn
其实作者训练的模型效果不算很好，不过我手里并没有模型数据，自己训练还是需要下载这位作者的训练数据
所以干脆直接使用作者训练好的模型数据即可，可以从下面两种方式下载作者的ckpt file
将此文件夹放到ctpn/，然后执行如下命令
cd ctpn/utils/bbox
chmod +x make.sh
./make.shPS： 如果你想要自己训练CTPN模型数据，你可以执行ctpn文件夹下的train.py文件
其中text-detection-ctpn只是针对文本进行位置的定位
而我们针对银行卡号进行具体定位，所以还是需要进行一些自定义的处理
我的思路是对选取出来的所有Box进行长宽的计算，然后根据长宽的比例来进行截取卡号区域
当然这种效果的前提是，我们能够将卡号部分检测出来，不过这样实现的效果还是相当不错的
def get_wh(box_coordinate):
"""
计算box坐标宽高
box格式： [xmin, ymin, xmax, ymin, xmax, ymax, xmin, ymax, score]
"""
xmin = box_coordinate[0]
xmax = box_coordinate[2]
ymin = box_coordinate[1]
ymax = box_coordinate[5]
width = xmax - xmin
height = ymax - ymin
return width, height此时需要回到项目根目录，首先对我得到的图片数据进行简单的处理
即将原始图片数据，即data/images的图片，转化为生成lmdb需要的形式
python crnn/handle_images.py图片路径以及正确标签文本: crnn/to_lmdb/train.txt
处理后的图片新路径: crnn/to_lmdb/train_images
然后我们就需要将我们手中的数据转换成train所需要的lmdb文件
执行下面命令
python crnn/to_lmdb/to_lmdb_py3.py # python crnn/to_lmdb/to_lmdb_py2.py 生成的lmdb文件目录: crnn/to_lmdb/lmdb
这时候我们就可以具体训练我们手中的数据
python crnn/train.py
模型保存目录: crnn/expr
这个项目有各种自定义的数据目录，以及训练模型的参数
如果你想修改这些参数或者数据路径,你可以到下面两个文件中
其中crnn训练模型的参数详解
--random_sample 是否使用随机采样器对数据集进行采样, action='store_true'
--keep_ratio 设置图片保持横纵比缩放, action='store_true'
--adam 使用adma优化器, action='store_true'
--adadelta 使用adadelta优化器, action='store_true'
--saveInterval 设置多少次迭代保存一次模型
--valInterval 设置多少次迭代验证一次
--n_test_disp 每次验证显示的个数
--displayInterval 设置多少次迭代显示一次
--experiment 模型保存目录
--alphabet 设置检测分类
--crnn 选择预训练模型
--beta1
--lr 学习率
--niter 训练回合数
--nh LSTM隐藏层数
--imgW 图片宽度
--imgH 图片高度, default=32
--batchSize 设置batchSize大小, default=64
--workers 工作核数, default=2
--trainroot 训练集路径
--valroot 验证集路径
--cuda 使用GPU, action='store_true'训练CRNN完成之后，crnn测试加载模型路径默认是: crnn/trained_models/crnn_Rec_done.pth
即我们需要把我们训练好的模型重命名放到这个目录
然后我们就可以在项目根目录执行如下命令
python run.py浏览器打开链接：http://127.0.0.1:5000
这是本地迭代了60次的效果
测试图片中已经能完整识别其中的一张银行卡号
PS：
参考crnn.pytorch
why my accuracy is always 0
原文：https://www.cnblogs.com/bay1/p/10994600.html