ChineseOCR_Lite4.7MB 模型跑通中文文字识别竖排也能认【免费下载链接】chineseocr_lite超轻量级中文ocr支持竖排文字识别, 支持ncnn、mnn、tnn推理 ( dbnet(1.8M) crnn(2.5M) anglenet(378KB)) 总模型仅4.7M项目地址: https://gitcode.com/gh_mirrors/ch/chineseocr_liteChineseOCR_Lite 是一个轻量级中文OCR库把文字检测、方向判断、逐字识别拆成三个小模型合计只有 4.7MB适合想在脚本、Web 服务或移动设备上低成本跑中文文字识别的开发者。它解决什么问题很多 OCR 方案要么模型动辄上百 MB要么只擅长横排印刷体遇到竖排文字、倒置文字就抓瞎。ChineseOCR_Lite 的思路是输入一张普通图片输出识别出的全部文字、每段文字的坐标框和置信度全程 CPU 就能跑完不需要 GPU。原理速览检测 → 判方向 → 逐字识别整个流程像先找出图里有哪些字再逐个认出来分三步文字检测DBNet先在整张图里框出所有可能含文字的区域1.8MB 的检测模型负责圈地。方向判断AngleNet判断每行文字是正着还是倒着的如果是倒置就先翻转 180°378KB 的小模型专治倒着写的字。逐字识别CRNN把每个框里的文字切片喂给 2.5MB 的 CRNN 模型按顺序吐出具体字符最终拼成整句。旋转文字、倒置文字正是第三步靠方向模型兜住的适合用在哪文档与截图数字化把论文、海报、网页截图里的中文转成可搜索文本CLI 直接输出 JSON方便喂给程序或 AI。移动与嵌入式端模型小Android、JVM、C、.NET 都有对应 Demo跑在资源受限的设备上不吃力。竖排 / 排版复杂场景中文竖排文字、带方向的标题是它的强项之一。批量 / 自动化任务作为命令行工具被脚本、批处理或 Agent 调用一次识别一张图。商品图、海报等带大量中文的场景同样适用不太适合的情况它主打清晰印刷体中文手写体、强艺术字体、低分辨率模糊图的效果有限追求极限识别精度、且不在乎体积的场景可能更合适上更大的专用模型。亮点一览维度说明模型体积检测 dbnet 1.8M 识别 crnn 2.5M 方向 anglenet 378KB合计约 4.7M运行门槛CPU 即可推理无需 CUDA 或独立显卡Python 3.6 起步推理框架支持 ONNX Runtime、NCNN、MNN、TNN可按平台选择多端覆盖Python 脚本 / Web 服务C、JVM、Android、.NET 均有参考 Demo识别能力中文为主支持竖排文字与旋转文字方向校正去哪深挖想自己动手可以先把仓库拉到本地装好依赖后命令行即可试跑git clone https://gitcode.com/gh_mirrors/ch/chineseocr_liteOCR 推理主入口 model.py串联检测、方向、识别三段的总调度ONNX 模型目录 models/开箱即用的三个小模型C 多端 Demo 及性能对比ONNX / NCNN / MNN 各框架的耗时实测写在最后如果你的场景是在脚本、Web 服务或移动端里快速嵌入一个够用、省资源的中文OCR而不是追求极限精度ChineseOCR_Lite 值得拉下来跑一张图试试——4.7MB 的体量基本没有理由不装。【免费下载链接】chineseocr_lite超轻量级中文ocr支持竖排文字识别, 支持ncnn、mnn、tnn推理 ( dbnet(1.8M) crnn(2.5M) anglenet(378KB)) 总模型仅4.7M项目地址: https://gitcode.com/gh_mirrors/ch/chineseocr_lite创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 ChineseOCR_Lite：4.7MB 模型跑通中文文字识别，竖排也能认
ChineseOCR_Lite4.7MB 模型跑通中文文字识别竖排也能认【免费下载链接】chineseocr_lite超轻量级中文ocr支持竖排文字识别, 支持ncnn、mnn、tnn推理 ( dbnet(1.8M) crnn(2.5M) anglenet(378KB)) 总模型仅4.7M项目地址: https://gitcode.com/gh_mirrors/ch/chineseocr_liteChineseOCR_Lite 是一个轻量级中文OCR库把文字检测、方向判断、逐字识别拆成三个小模型合计只有 4.7MB适合想在脚本、Web 服务或移动设备上低成本跑中文文字识别的开发者。它解决什么问题很多 OCR 方案要么模型动辄上百 MB要么只擅长横排印刷体遇到竖排文字、倒置文字就抓瞎。ChineseOCR_Lite 的思路是输入一张普通图片输出识别出的全部文字、每段文字的坐标框和置信度全程 CPU 就能跑完不需要 GPU。原理速览检测 → 判方向 → 逐字识别整个流程像先找出图里有哪些字再逐个认出来分三步文字检测DBNet先在整张图里框出所有可能含文字的区域1.8MB 的检测模型负责圈地。方向判断AngleNet判断每行文字是正着还是倒着的如果是倒置就先翻转 180°378KB 的小模型专治倒着写的字。逐字识别CRNN把每个框里的文字切片喂给 2.5MB 的 CRNN 模型按顺序吐出具体字符最终拼成整句。旋转文字、倒置文字正是第三步靠方向模型兜住的适合用在哪文档与截图数字化把论文、海报、网页截图里的中文转成可搜索文本CLI 直接输出 JSON方便喂给程序或 AI。移动与嵌入式端模型小Android、JVM、C、.NET 都有对应 Demo跑在资源受限的设备上不吃力。竖排 / 排版复杂场景中文竖排文字、带方向的标题是它的强项之一。批量 / 自动化任务作为命令行工具被脚本、批处理或 Agent 调用一次识别一张图。商品图、海报等带大量中文的场景同样适用不太适合的情况它主打清晰印刷体中文手写体、强艺术字体、低分辨率模糊图的效果有限追求极限识别精度、且不在乎体积的场景可能更合适上更大的专用模型。亮点一览维度说明模型体积检测 dbnet 1.8M 识别 crnn 2.5M 方向 anglenet 378KB合计约 4.7M运行门槛CPU 即可推理无需 CUDA 或独立显卡Python 3.6 起步推理框架支持 ONNX Runtime、NCNN、MNN、TNN可按平台选择多端覆盖Python 脚本 / Web 服务C、JVM、Android、.NET 均有参考 Demo识别能力中文为主支持竖排文字与旋转文字方向校正去哪深挖想自己动手可以先把仓库拉到本地装好依赖后命令行即可试跑git clone https://gitcode.com/gh_mirrors/ch/chineseocr_liteOCR 推理主入口 model.py串联检测、方向、识别三段的总调度ONNX 模型目录 models/开箱即用的三个小模型C 多端 Demo 及性能对比ONNX / NCNN / MNN 各框架的耗时实测写在最后如果你的场景是在脚本、Web 服务或移动端里快速嵌入一个够用、省资源的中文OCR而不是追求极限精度ChineseOCR_Lite 值得拉下来跑一张图试试——4.7MB 的体量基本没有理由不装。【免费下载链接】chineseocr_lite超轻量级中文ocr支持竖排文字识别, 支持ncnn、mnn、tnn推理 ( dbnet(1.8M) crnn(2.5M) anglenet(378KB)) 总模型仅4.7M项目地址: https://gitcode.com/gh_mirrors/ch/chineseocr_lite创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考