README.md

May 10, 2026 · View on GitHub

CLI · Web Demo · Models · Multi-platform Demo

轻量级中文 OCR 项目，当前分支以 ONNX Runtime 推理为主，包含 Web 服务、Python 推理代码，以及 C++、JVM、Android、.NET 等多端 Demo。

功能

中文 OCR 文字检测与识别
ONNX Runtime CPU 推理
Tornado Web 服务与前端展示页面
Android、C++、JVM、.NET 多端参考 Demo
附带轻量模型文件，便于本地快速试跑

环境

推荐环境：

Python 3.6
Windows、Linux 或 macOS
CPU 推理，无需 CUDA

安装依赖：

pip install -r requirements.txt

启动 Web 服务

cd chineseocr_lite
python backend/main.py

服务默认监听 8089 端口。启动后终端会输出类似：

server is running: 192.168.x.x:8089

在浏览器打开该地址即可使用 Web OCR 页面。

CLI 使用

当前项目也可以作为命令行 OCR 工具使用，适合被 agent、脚本或批处理任务调用。

本地开发安装：

pip install -e .

识别单张图片并输出 JSON：

chineseocr test_imgs/res.jpg

写入 JSON 文件：

chineseocr test_imgs/res.jpg --output result.json

同时输出带检测框的图片：

chineseocr test_imgs/res.jpg --output result.json --draw result.jpg

调整检测前的短边尺寸：

chineseocr test_imgs/res.jpg --compress 960

CLI 输出为稳定 JSON，便于 agent 解析：

{
  "text": "识别出的全文",
  "blocks": [
    {
      "text": "单个文本块",
      "score": 0.93,
      "box": [[12, 30], [210, 31], [209, 60], [11, 59]]
    }
  ],
  "elapsed": 1.24
}

也可以用 Python 模块方式运行：

python -m chineseocr_lite test_imgs/res.jpg

模型文件

当前仓库包含基础推理模型：

目录	文件	用途
`models/`	`dbnet.onnx`	文本检测
`models/`	`crnn_lite_lstm.onnx`	文本识别
`models/`	`angle_net.onnx`	文字方向分类
`models_ncnn/`	`.bin`, `.param`	NCNN Demo 使用的模型

作为 Python CLI 包安装时，models/*.onnx 会随包一起安装，CLI 开箱即可使用。models_ncnn/ 和各端 Demo 不会作为 CLI 必需资源。

不要把训练权重、Python wheel、大型第三方库或构建产物直接提交到 Git。推荐放到 GitHub Releases、对象存储或 Git LFS。

项目结构

.
├── backend/             Web 服务与接口
├── models/              ONNX 模型
├── models_ncnn/         NCNN 模型
├── dbnet/               文本检测相关代码
├── crnn/                文本识别相关代码
├── angnet/              方向分类相关代码
├── cpp_projects/        C++ Demo
├── jvm_projects/        JVM Demo
├── android_projects/    Android Demo
├── dotnet_projects/     .NET Demo
├── test_imgs/           示例图片与效果图
├── config.py            模型与推理配置
├── model.py             OCR 推理入口
└── utils.py             通用工具函数