开源软件名称（OpenSource Name）：

开源软件地址(OpenSource Url)：

开源编程语言(OpenSource Language)：

开源软件介绍(OpenSource Introduction)：

文字检测主要使用了浙大的pixellink

https://github.com/ZJULearning/pixel_link

在文字识别OCR模型上使用西安交通大学人工智能实践大赛第一名@ yinchangchang 的方案https://github.com/yinchangchang/ocr_densenet

针对本比赛的数据集，对代码进行了修改，改进的细节见代码和参考技术报告

https://discussion.datafountain.cn/questions/1571/answers/22399

安装步骤

1、首先代码的文件分为四个部分：

文字检测文件夹：detection

文字识别文件夹：recognition

存放测试图片的文件夹：test_images

最后结果和中间生成文件：intermediate_file

注意：存放文件夹的路径不能带中文！！！！！！！

2、安装步骤

所有的代码语言均为python2，系统环境为linux64

建议使用anaconda分别创建 识别和检测的环境

解压到文件夹，假设为unzip_path

首先，安装文字检测环境

打开终端，进入HUAWEI_OCR2019/detection，安装检测的环境并激活，设该终端为文字检测终端

conda env create --file detection.txt
source activate pixel_link

然后，安装文字识别环境

新打开一个终端，进入HUAWEI_OCR2019/recognition

进入HUAWEI_OCR2019/detection安装检测的环境并激活，设该终端为文字识别终端

conda create --name ocr_densenet python=2.7
source activate ocr_densenet
pip install recognition.txt

从百度云下载文字检测网络权重文件，放到路径HUAWEI_OCR2019\detection\pixel_link\checkpoint下

从百度云下载文字识别网络权重文件，放到路径HUAWEI_OCR2019\recognition\densenet\model下

https://pan.baidu.com/s/1LVbfVa5ieibFg_X6iIuWfw

提取码：e8rd

至此，文字检测和文字识别的环境都装好了。

3、测试及相关命令

在创建了检测文字检测环境pixel_link，和文字识别网络环境ocr_densenet后

首先在文字检测终端!!!!!!!!，进入解压后的文件夹 cd unzip_path/HUAWEI_OCR2019

0. 把网站上下载的测试图片集中的图片放到unzip_path/ HUAWEI_OCR2019/test_images

1. 执行python test_to_padding.py 功能：将测试图片填充，并将结果输出到unzip_path/ HUAWEI_OCR2019/intermediate_file/padding_images_to_detection

2. cd unzip_path/HUAWEI_OCR2019/detection/pixel_link 执行脚本./scripts/test_any.sh 3 checkpoint/model.ckpt-146343 ../../intermediate_file/padding_images_to_detection，运行检测的pixel link网络 功能：检测网络，将每一张填充后的图片的检测框信息输出到文件夹unzip_path/HUAWEI_OCR2019/intermediate_file/detect_result/txt中，将可视化的检测结果图片输出到unzip_path/HUAWEI_OCR2019/intermediate_file/detect_result/images中。

3. cd unzip_path/HUAWEI_OCR2019返回主目录 双方案，B榜提交是方案1，但是更优秀的方案是2(方案2用了仿射变换，可以对倾斜的文字进行分割，由于时间仓促没用上)。

   1. （二选一）执行脚本python crop_and_reshape.py 功能：将填充后的测试图片根据检测结果分割为子图片，并输出到unzip_path/HUAWEI_OCR2019/intermediate_file/images_to_recognition文件夹下。
   2. （二选一）执行脚本python target_cut_test_many.py 功能：根据检测结果，将填充后的图片进行仿射变换后的分割，同样输出到unzip_path/HUAWEI_OCR2019/intermediate_file/images_to_recognition文件夹下。

4. cd unzip_path/HUAWEI_OCR2019/recognition/densenet/code 在**文字识别终端!!!!!!!**切换到识别网络程序所在目录 执行脚本python main.py 功能：对切割后的图片进行神经网络识别，输出中间结果result.csv到unzip_path/HUAWEI_OCR2019/intermediate_file/recognize_result

5. 切换回文字检测终端!!!!!!!!! cd unzip_path/HUAWEI_OCR2019返回主目录 执行python txt_to_csv.py 功能：将检测结果的所有.txt文件转换为padding_detect_result.csv，并将结果输出到unzip_path/HUAWEI_OCR2019/intermediate_file/detect_result/csv文件夹下

6. 执行python padding2unpadding_box.py 功能：将检测结果padding_detect_result.csv转换回未填充的结果unpadding_detect_result.csv，并将结果输出到unzip_path/HUAWEI_OCR2019/intermediate_file/detect_result/csv文件夹下

7. 执行python get_predict_csv.py 功能：将未填充检测结果unpadding_detect_result.csv和识别结果result.csv文件组合为一个可提交的predict.csv文件，输出最终结果到unzip_path/HUAWEI_OCR2019/intermediate_file/final_result/文件夹下

在unzip_path/HUAWEI_OCR2019/intermediate_file/final_result文件夹下即为最终提交的predict.csv结果

检测效果图

识别效果图