• QQ①群：994929053(满)
• QQ②群：820132154(满)
• QQ③群：904091319(满)
• QQ④群：615877948(满)
• QQ⑤群：185905924(满)
• QQ⑥群：628010752

• 整合好源码和依赖库的完整工程项目，可以在Release中下载(github)
• 可到Q群共享内下载，以Project开头的压缩包文件为源码工程，例：Project_OcrLiteOnnx-版本号.7z
• 如果想自己折腾，则请继续阅读本说明

• 编译好的demo，可以在release中下载，或者Q群共享内下载
• 或者Gitee下载
• 或者Github下载
• 各平台可执行文件：linux-bin.7z、macos-bin.7z、windows-bin.7z
• 用于java的jni库：linux-jni.7z、macos-jni.7z、windows-jni.7z
• 用于C的动态库：linux-clib.7z、macos-clib.7z、windows-clib.7z
• C动态库调用范例:OcrLiteOnnxLibTest
• 注意：linux编译平台为ubuntu18.04，如果你的linux版本无法运行demo，请自行从源码编译依赖库和完整项目。

ChineseOcr Lite Onnx，超轻量级中文OCR PC Demo，支持onnxruntime推理

对应chineseocr lite的onnx分支

这个项目使用onnxruntime框架进行推理

详情请查看 https://github.com/ouyanghuiyu/chineseocr_lite

采用onnxruntime框架https://github.com/microsoft/onnxruntime

• opencv 4.5.4
• onnxruntime 1.9.0
• 优化编译脚本和测试脚本

• fix:win编译打包C动态库缺少lib文件
• 编译c动态库添加打包include

• opencv 4.6.0
• onnxruntime 1.11.1
• 修改c lib导出方法，支持C调用

• onnxruntime 1.12.1
• 支持mt版引用库

• onnxruntime 1.14.0

模型下载地址 下载后解压到项目根目录

OcrLiteOnnx/models
    ├── angle_net.onnx
    ├── crnn_lite_lstm.onnx
    ├── dbnet.onnx
    └── keys.txt

1. 根据系统下载对应的程序包linux-bin.7z、macos-bin.7z、windows-bin.7z，并解压.
2. 把上面的模型下载，解压到第一步解压的文件夹里.
3. 终端运行run-test.sh或命令行运行run-test.bat，查看识别结果.
4. 终端运行run-benchmark.sh或命令行运行run-benchmark.bat，查看识别过程平均耗时.

• 作用:静态链接CRT(mt)可以让编译出来的包，部署时不需要安装c++运行时，但会增大包体积；
• 需要mt版的引用库，参考编译说明，下载mt版的库；

brew install libomp

下载安装适用于 Visual Studio 2015、2017 和 2019 的 Microsoft Visual C++ 可再发行软件包 下载地址

1. cmd窗口左上角-属性
2. 字体选项卡-选择除了“点阵字体”以外的TrueType字体,例如:Lucida Console、宋体
3. 重新执行bat

• 请参考main.h中的命令行参数说明。
• 每个参数有一个短参数名和一个长参数名，用短的或长的均可。

1. -d或--models：模型所在文件夹路径，可以相对路径也可以绝对路径。
2. -1或--det:dbNet模型文件名(含扩展名)
3. -2或--cls:angleNet模型文件名(含扩展名)
4. -3或--rec:crnnNet模型文件名(含扩展名)
5. -4或--keys:keys.txt文件名(含扩展名)
6. -i或--image：目标图片路径，可以相对路径也可以绝对路径。
7. -t或--numThread：线程数量。
8. -p或--padding：图像预处理，在图片外周添加白边，用于提升识别率，文字框没有正确框住所有文字时，增加此值。
9. -s或--maxSideLen ：按图片最长边的长度，此值为0代表不缩放，例：1024，如果图片长边大于1024则把图像整体缩小到1024再进行图像分割计算，如果图片长边小于1024则不缩放，如果图片长边小于32，则缩放到32。
10. -b或--boxScoreThresh：文字框置信度门限，文字框没有正确框住所有文字时，减小此值。
11. -o或--boxThresh：请自行试验。
12. -u或--unClipRatio：单个文字框大小倍率，越大时单个文字框越大。此项与图片的大小相关，越大的图片此值应该越大。
13. -a或--doAngle：启用(1)/禁用(0) 文字方向检测，只有图片倒置的情况下(旋转90~270度的图片)，才需要启用文字方向检测。
14. -A或--mostAngle：启用(1)/禁用(0) 角度投票(整张图片以最大可能文字方向来识别)，当禁用文字方向检测时，此项也不起作用。
15. -h或--help：打印命令行帮助。

• 项目根目录的valgrind-memcheck.sh用来检查内存泄漏(需要debug编译)。
• 常见的并行库有tbb，hpx，openmp，gcd，concurrency，pthread
• 并行库的种类可以看：https://docs.opencv.org/4.x/db/d05/tutorial_config_reference.html
• 测试了openmp和pthread，目前已知这类并行库会导致检查报告中出现"possibly lost"
• opencv只做简单的图像预处理，可以完全不使用任何并行库，但需要定制编译
• onnxruntime1.6.0或之前，默认引用openmp，从1.7.0开始默认关闭openmp并使用自带的ThreadPool代码
• 阅读报告可以看出"possibly lost"发生位置均在引用的第三方库(如果使用了并行库的话)，如opencv或onnxruntime
• "possibly lost"不一定是内存泄露
• 以下3个检查报告，onnxruntime均使用v1.11.0且不引用openmp
• valgrind-memcheck-nothread.txt是opencv不使用任何并行库的检查报告。
• valgrind-memcheck-openmp.txt是opencv使用openmp的检查报告。
• valgrind-memcheck-pthread.txt是opencv使用pthread的检查报告。
• 如果opencv想定制编译不使用任何并行库，可以使用以下参数进行编译

-DWITH_TBB=OFF
-DWITH_HPX=OFF
-DWITH_OPENMP=OFF
-DWITH_GCD=OFF
-DWITH_CONCURRENCY=OFF
-DWITH_PTHREADS_PF=OFF