轻量级单行印刷体 OCR 引擎，为 AutoWSGR（战舰少女R 自动化框架）提供游戏 UI 文字识别能力。
- CRNN 架构：5 层 CNN + 2 层双向 LSTM + CTC 解码
- 轻量高效：8.9M 参数，模型 ~102 MB，CPU 推理 < 100ms
- 大字库：支持 7000 常用汉字 + 116 符号/字母（共 7117 类）
- 在线合成训练：基于字体渲染的合成数据，无需收集标注真实数据
- 预处理管道：自动颜色通道选择、对比度拉伸、极性检测
pip install torch torchvision pillow opencv-python-headless numpy从 Releases 下载 best_model.pth 放到 checkpoints/ 目录，然后：
python main.py infer <图片路径>或在代码中调用：
from src.inference import OCREngine
engine = OCREngine()
text = engine.recognize("screenshot.png")需要 Source Han Sans SC 字体文件，放到 data/fonts/ 目录：
data/fonts/SourceHanSansSC-Bold.otf # 必需
data/fonts/SourceHanSansSC-Regular.otf # 可选
data/fonts/SourceHanSansSC-Light.otf # 可选
GPU 训练（推荐）：
bash setup.sh # 环境检查 + 依赖安装
python main.py train # 100 epoch 分阶段训练微调已有模型：
python main.py finetune [epochs] [lr]python main.py evaluate使用 data/test/ 下的 20 组标注测试数据计算序列准确率和 CER。
输入图片 → 预处理 → CRNN → CTC 解码 → 文本
预处理管道（src/preprocess.py）：
- 最佳通道灰度化（自动选择 B/G/R/Gray 中对比度最高的通道）
- 百分位对比度拉伸
- 极性归一化（确保白字黑底）
- 高度归一化到 32px
模型（src/model.py）：
Conv2d(1→64) + BN + ReLU + MaxPool(2×2)
Conv2d(64→128) + BN + ReLU + MaxPool(2×2)
Conv2d(128→256) + BN + ReLU
Conv2d(256→256) + BN + ReLU + MaxPool(2×1)
Conv2d(256→512) + BN + ReLU
→ Height Mean Pooling → [B, 512, T]
→ BiLSTM(512, hidden=256, layers=2) → [T, B, 512]
→ Linear(512 → 7117) + LogSoftmax
训练策略（src/train.py）：
- Stage 1 (epoch 1-50)：3500 常用字，lr=1e-3
- Stage 2 (epoch 51-80)：7000 全字库，lr=3e-4
- Stage 3 (epoch 81-100)：难例强化，lr=1e-4
- Warmup 5 epoch + 文本长度课程学习
├── src/
│ ├── config.py # 配置中心
│ ├── vocab.py # 词表管理（encode/decode）
│ ├── preprocess.py # 预处理管道
│ ├── augmentation.py # 数据增强（旋转/噪声/模糊/亮度）
│ ├── dataset.py # 在线合成数据集 + glyph 缓存
│ ├── model.py # CRNN 模型定义
│ ├── ctc_decode.py # 贪心/束搜索解码
│ ├── metrics.py # CER、序列准确率
│ ├── train.py # 训练 + 微调
│ ├── evaluate.py # 评估脚本
│ └── inference.py # 推理引擎（OCREngine）
├── export/
│ └── export_onnx.py # ONNX 导出
├── data/
│ ├── charsets/ # 字符集定义
│ ├── fonts/ # 字体文件（需自行下载）
│ └── test/ # 标注测试数据
├── main.py # CLI 入口
├── setup.sh # GPU 环境一键部署
└── requirements.txt
| 指标 | 结果 |
|---|---|
| 合成测试集准确率 | 20/20 (100%) |
| 字符错误率 (CER) | 0.0000 |
| 模型大小 | 102.4 MB |
| 推理速度 (CPU) | < 100 ms |
| 支持字符数 | 7117 |
MIT