Popular GitHub Repositories for Text Detection

docTR (文档文本识别)——一个基于深度学习的、无缝、高性能且易访问的OCR相关任务库。

这项技术主要基于TensorFlow框架下的CTPN模型进行文本检测，能够识别身份证等证件上的文字信息，其核心是连接主义文本候选网络。

AdelaiDet是一个开源工具箱，用于执行多种实例级检测和识别任务。

文本检测中字符区域感知 (CRAFT) 的官方实现

一个使用TensorFlow实现的EAST文本检测器

一份精选的深度学习文本检测/识别（光学字符识别）资源列表。

使用PyTorch重新实现的实时场景文本检测，采用可微分二值化方法

CnSTD是一个基于PyTorch/MXNet的Python3工具包，用于中文和英文场景文本检测、数学公式检测以及版面分析。

这是一个使用TensorFlow重现的PSENet模型，PSENet是一种具有渐进式尺度扩展网络的形状鲁棒文本检测方法。我的博客：

OCR（光学字符识别）相关的资源集合，包含论文和数据集。

一种用于更通用目标检测（包括场景文本检测）的新型区域建议网络

使用 Keras 和 TensorFlow 实现了基于 YOLO 算法的场景文本检测（未使用任何目标检测 API）。该代码可以调整，用于训练其他目标检测任务。

越南语光学字符识别工具箱

OnnxTR是一个基于Onnx的文档文本识别(docTR)库，它提供了一个无缝、高性能且易于访问的OCR管道封装器。

文本框：图像文本检测模型：Python 包 (TensorFlow)

基于深度学习的OCR的自定义C++实现

基于NVIDIA Triton推理服务器的高级CRAFT文本检测（Pytorch）推理流程，包含Pytorch到ONNX到TensorRT的模型转换器，以及TensorRT和Triton服务器（多格式）的推理流程。Triton推理服务器支持的模型格式包括：TensorRT引擎、Torchscript和ONNX。

基于ONNX的文本检测与识别

使用 TensorRT 加速 CRAFT 文本检测的推理性能。实现了 Pytorch -> ONNX -> TensorRT 的模型转换模块，支持动态形状（多尺寸输入）推理。