● 1 主流深度学习OCR文字识别方法对比（重点试）：
文章地址：https://blog.csdn.net/lovebyz/article/details/84959818
1. Tesseract（LSTM） + Densenet （无代码）
2. CTPN+CRNN (中文 、重点试) 代码地址：https://github.com/xiaofengShi
提供了keras和pytorch两个版本的CRNN中文识别模型
3.opencv mser算法框出图片文字区域 （有代码，试试）
● 2 运用tensorflow实现自然场景文字检测,keras/pytorch实现crnn+ctc实现不定长中文OCR识别
（重点试）：
文章地址 https://blog.csdn.net/wuting3680278/article/details/80445936
github ： https://github.com/jiangxiluning/chinese-ocr
● 2 基于深度学习（端到端）的OCR文字识别( 参考)
文章地址：https://blog.csdn.net/wsp_1138886114/article/details/83864582
1、ctpn （有代码 https://github.com/eragonruan/text-detection-ctpn）
2、 crnn （有文章和代码 https://blog.csdn.net/wsp_1138886114/article/details/82555728）
3、vgg没有代码
●基于keras的RNN英文字母识别（ 图片英文识别，可让组员试试）
http://chongdata.com/articles/?p=32
●基于深度学习的OCR-from 美團技術團隊(只参考)
CRNN-基于序列的（端到端）图像文本识别（看看）
●主流ocr算法：CNN+BLSTM+CTC架构（重点看原理 c++ cafe ）
https://blog.csdn.net/forest_world/article/details/78566737
● 基于深度学习的自然场景文字检测及端到端的OCR中文文字识别（和2 相同 无代码）https://yq.aliyun.com/articles/647008
● 基于CTPN（tensorflow）+CRNN（pytorch）+CTC的不定长文本检测和识别（有代码 可以参考）
https://blog.csdn.net/cbd_2012/article/details/85639763
