From 0f7855be1ec4509261e5b5b2bdab65cdf2209b4b Mon Sep 17 00:00:00 2001 From: QingChuanWS <2754693100@qq.com> Date: Tue, 20 Oct 2020 12:32:51 +0800 Subject: [PATCH] =?UTF-8?q?=E8=B5=8F=E9=87=91=E4=BB=BB=E5=8A=A1-=E5=9C=A8e?= =?UTF-8?q?xample/README.md=E4=B8=AD=E8=A1=A5=E5=85=85ocr=E5=AE=9E?= =?UTF-8?q?=E4=BE=8B=E8=BF=90=E8=A1=8C=E6=96=B9=E5=BC=8F=20(#450)?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit * 增加了ocr exampleREADME.md * 修正了README.md文档, 同时增加了example OCR README.md, 删除了多余的文件 * Update README.md --- README.md | 2 +- examples/README.md | 26 ++++++++++++++++++++++++++ 2 files changed, 27 insertions(+), 1 deletion(-) diff --git a/README.md b/README.md index 87fd8c9..d414576 100644 --- a/README.md +++ b/README.md @@ -12,7 +12,7 @@ ## 简介 -**Tengine Lite** 由 **OPEN AI LAB** 主导开发，该项目实现了深度学习神经网络模型在嵌入式设备上**快速**、**高效**部署。为实现众多 **AIoT** 应用中跨平台部署，本项目基于原有 Tengine 项目使用 **C 语言**进行重构，针对嵌入式设备资源有限的特点进行深度框架裁剪。同时采用完全分离的前后端设计，利于 CPU、GPU、NPU 等异构计算单元快速移植和部署。同时**兼容 Tengine** 框架原有 API 和 模型格式 tmfile，降低评估、迁移成本。 +**Tengine Lite** 由 **OPEN AI LAB** 主导开发，该项目实现了深度学习神经网络模型在嵌入式设备上的**快速**、**高效**部署需求。为实现在众多 **AIoT** 应用中的跨平台部署，本项目基于原有 Tengine 项目使用 **C 语言**进行重构，针对嵌入式设备资源有限的特点进行了深度框架裁剪。同时采用了完全分离的前后端设计，有利于 CPU、GPU、NPU 等异构计算单元的快速移植和部署。同时**兼容 Tengine** 框架原有 API 和 模型格式 tmfile，降低评估、迁移成本。 Tengine Lite 核心代码由 4 个模块组成： diff --git a/examples/README.md b/examples/README.md index 6312d85..33b9d07 100644 --- a/examples/README.md +++ b/examples/README.md @@ -285,4 +285,30 @@ KeyPoints Coordinate: 人体姿态识别结果会保存为图片，名称为：`Output-Keypionts.jpg`和`Output-Skeleton.jpg`。 +## 汉字识别任务 - [tm_crnn.cpp](tm_crnn.cpp) + +目录结构: 在根目录下新建model文件夹, 并从[Tengine model zoo](https://pan.baidu.com/s/1Ar9334MPeIV1eq4pM1eI-Q) ( 密码：hhgc ) 中下载对应的模型文件和测试图片放入其中, 这里是: `crnn_lite_dense.tmfile`模型文件, `o2_resize.jpg`测试图片, 以及`keys.txt`字库文件. 在以上步骤的基础上, 输入如下命令行 + +测试图片： + +![](https://s1.ax1x.com/2020/10/20/BSlFPS.jpg) + +```bash +$ export LD_LIBRARY_PATH=./build/install/lib +$ ./build/install/bin/tm_crnn -m model/crnn_lite_dense.tmfile -i model/o2_resize.jpg -l model/keys.txt +``` + +结果如下： + +```bash +start to run register cpu allocator +tengine-lite library version: 1.0-dev +Repeat 1 times, thread 1, avg time 43.32 ms, max_time 43.32 ms, min_time 43.32 ms +-------------------------------------- +如何突破自己的颜值上限 +-------------------------------------- +``` + +其中ocr的识别结果会直接打印到终端中, 同时如果需要保存为txt文件可以修改源码使其重定向到文件。 + 我们将持续更新各种有趣的 demo ，敬请期待...... -- GitLab