本文只讲一下流程，基础向，有兴趣的小伙伴可以试一下，代码自己去全球最大的同性交友网站github上找。这几年OCR技术趋于稳定，换句话说就是进步不大，几年前的框架CTPN至今依旧流行。
OCR（optical character recognition）通俗的来讲就是用电脑来识别图片中的文字，并显示出来。本次介绍的是一种比较传统的方法。对于一张图片，单一网络模型很难准确的识别出其中的每一个文字（有单模型ocr），通常都是用两个神经网络模型组合来完成ocr项目：用目标检测网络模型在复制环境中识别并裁剪出包含文本的文本框-->将文本框送入文字识别网络模型进行识别。
文本框检测现在的神经网络，很多预处理步骤是不需要我们做的（比如二值，降噪等），我们直接丢图片进去就好。
对于比较规范的文字，就是那种文本排版方方正正的（倾角<15°），如身份证，头条截图，比较常用的文本框检测模型就是CTPN，性能稳定。
规则的文本
然而生活中拍摄的照片，比如街景，基本上图片文本框倾角都是在15~30°之间，或者是不规则的文本框，这就涉及到另一个研究领域：倾斜文本检测，目前有PSENet，PixelLink等。得到倾斜的文本框，将其校准便可以的到类似CTPN的方框。
不规则的文本
文本框检测中得到的返回结果是一个坐标，表示的是该文本框在图上的位置。通过定位文本框，即可知道文本的所在。
文本识别一般可以用CRNN（注意不是rcnn，这是两种完全不同的模型），这个框架也有些年头了，但是因为很好用，至今仍在广泛使用（其实还是因为开源）。神经网络兴起之前还有模板匹配等方法，现在一般不常用了。
CRNN一般来讲分成三部分：CNN RNN CTC，CNN卷积网络基于VGG，用于特征提取，RNN是循环神经网络，用于序列预测，CTC为翻译层。
结构如图：
基本使用方法是将文本框检测中检测到的文本框裁剪出来，一张一张的送入crnn，每送入一张，运行一次crnn（文本框多的话比较费时），得到对应的字符，将字符组合，最终的到文字检测结果（为了照顾手机把图片截成两段了）
英文字符1
英文字符2
中文字符1
中文字符2
,
