基于卷积循环神经网络的数字识别源码+部署教程文档+全部数据+训练好的模型（高分项目）.zip

# CRNN_ctc_digital_recognize ### 基于卷积循环神经网络的数字识别 > Author: github.com/SummerColdWind > > Dataset provider: github.com/TsangHans --- ## 1.准备数据集 > 数据集中图片应为png格式并统一大小 > > 数据集中标注文件格式为“图片文件名\t图片文字”，例如: ``` 30.png -29 31.png -30 32.png -29 33.png -27 34.png -28 35.png -27 ``` ## 2.划分训练集与测试集 > 建议使用 ./tools 下 **split_train_and_test_dataset.py** 来执行划分操作 ## 3.修改配置文件 > 配置文件默认在 ./configs/global. yml ``` # 配置文件说明 Global: use_gpu: 是否使用gpu epoch_num: 训练总epoch数 save_model_dir: 模型保存文件夹，默认为./output save_epoch_step: 每几次epoch保存一次模型 learning_rate: 学习率，默认为0.001 character_dict_path: 字典，默认在./configs/dict.txt max_text_length: 最大文字长度 Train: data_dir: 训练集文件夹路径 label_file_dir: 训练集标注文件路径 shuffle: 是否打乱，默认为True batch_size: 训练批次大小 Test: data_dir: 测试集文件夹路径 label_file_dir: 测试集标注文件路径 shuffle: 是否打乱，False batch_size: 测试批次大小 ``` ## 4.启动训练 > 运行项目内 train.py ## 5.进行推理 > 运行项目内 infer.py ```python # 选择训练好的模型路径 model_path = './output/best.pth' # 选择要推理的图片路径 image_path = './example.png' ```