SimpleHTR

SimpleHTR 项目介绍

项目概述

SimpleHTR 项目是一个基于 TensorFlow 开发的手写文本识别系统，专注于处理 IAM 离线手写文本识别数据集。该系统可以识别图像中的单个单词或多词行，并输出识别的文本信息。项目旨在以简单的结构实现高效的文本识别，识别准确率高，字符错误率约为10%。

功能特点

1. 多种模型支持：用户可以选择使用预先训练好的模型，其中一个专注于图像中的单个单词，另一个则可以识别文本行。
2. 命令行运行支持：用户可以通过执行简单的 Python 命令来运行模型进行文本推断。
3. 灵活的解码选项：提供多种解码模式选择，包括最佳路径（bestpath）、束搜索（beamsearch）和单词束搜索（wordbeamsearch），使识别更为精确。
4. 快速数据加载：借助 LMDB 数据库加速图片加载过程，尤其适用于大批量数据训练。

使用指南

运行演示

• 下载其中一个预训练模型：
  • 对于单个单词图像模型，只能处理图像中的单个单词，但在 IAM 数据集上效果更佳。
  • 对于文本行图像模型，能够处理包含多个单词的图像。
• 将下载的模型文件解压至项目的model目录。
• 进入项目的src目录，通过命令行运行推断代码。例如：

  python main.py

  识别单词图像；或：

  python main.py --img_file ../data/line.png

  识别文本行图像。

训练模型

1. 准备数据集：

   • 在 IAM 数据库注册并下载需要的文件。
   • 创建数据集目录，并在目录内创建img和gt子文件夹。
   • 将下载的文本描述文件放入gt目录，将图像解压内容放入img目录。

2. 运行训练：

   • 删除model目录下的文件以便从头开始训练。
   • 执行训练命令，如：

     python main.py --mode train --data_dir path/to/IAM

   • 训练过程中数据集会被切分为95%用于训练，5%用于验证。

3. 加速处理：

   • 使用 LMDB 数据库加速图片加载，并使用--fast选项优化处理速度。

模型信息

SimpleHTR 采用了一个经过简化的手写文本识别模型结构，包括5层卷积神经网络（CNN）和2层递归神经网络（RNN, LSTM），使用 CTC 损失和解码层进行文本识别。有兴趣的用户可以参考详细的技术文章获取更多信息。

项目参考

SimpleHTR 项目得到了一些学术论文和技术博文的支持，用户可以通过论文深入了解模型的理论背景和实现细节。