盒子ocr检测

Readme.md

@@ -0,0 +1,49 @@
+# onnxOCR
+####   一.优势：
+1.脱离深度学习训练框架，可直接用于部署的通用OCR。
+2.在算力有限，精度不变的情况下使用paddleOCR转成ONNX模型，进行重新构建的一款可部署在arm架构和x86架构计算机上的OCR模型。
+3.在同样性能的计算机上推理速度加速了4-5倍。
+
+#### 二.环境安装
+    python>=3.6
+
+    pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt
+
+    由于rec模型超过了100M，github有限制，所以我上传到
+[百度网盘,提取码: 125c](https://pan.baidu.com/s/1O1b30CMwsDjD7Ti9EnxYKQ )
+     
+    下载后放到./models/ch_ppocr_server_v2.0/rec/rec.onnx下
+
+#### 三.一键运行
+
+    python test_ocr.py
+
+#### 效果展示
+
+![Alt text](result_img/draw_ocr_1.jpg)
+
+![Alt text](result_img/draw_ocr2.jpg)
+
+![Alt text](result_img/draw_ocr3.jpg)
+
+![Alt text](result_img/draw_ocr4.jpg)
+
+![Alt text](result_img/draw_ocr5.jpg)
+
+![Alt text](result_img/draw_ocr.jpg)
+
+#### 感谢PaddleOcr
+
+https://github.com/PaddlePaddle/PaddleOCR
+
+#### 从该项目Fork而来
+https://github.com/jingsongliujing/OnnxOCR
+
+---
+
+CHANGELOG
+
+1. 加入最新的`pp_ocr_v4`的检测与识别模型
+2. 修改包名为`pp_onnx`防止与onnx冲突
+3. 修改部分写死的参数
+