將翻譯成文字一般被稱為光學文字識別（optical character recognition，ocr）。可以實現ocr 的底層庫並不多，目前很多庫都是使用共同的幾個底層ocr 庫，或者是在上面進行定製。
tesseract 是乙個ocr 庫，目前由google 贊助（google 也是一家以ocr 和機器學習技術聞名於世的公司）。tesseract 是目前公認最優秀、最精確的開源ocr 系統。
除了極高的精確度，tesseract 也具有很高的靈活性。它可以通過訓練識別出任何字型（只要這些字型的風格保持不變就可以），也可以識別出任何unicode 字元。
基於筆畫描述的文字識別OCR系統 技術說明
1.已排除的方法 以下方法經過我們編寫程式 來實踐驗證了其不可行性。1.1 遊程統計法 思路 統計出點陣中的任意一點向六個角度0 30 60 90 120 150 所能遍歷的點數。如圖2，最上一點往六個方向的最大值是 13，方向為上下方向 90 又如，最左一點往六個方向的最大值是30，方向為左右方向...
基於深度學習（端到端）的OCR文字識別
開發環境 anaconda python3.6 tensorflow keras pytorch 該模型使用了 opencv 模組。依賴包版本需求 你可以使用 pip install 包名 conda install 包名 安裝依賴 easydict 1.7tensorflow gpu 1.3.0 ...
基於ML的中文短文本聚類
整個過程分為以下幾個步驟 一 引入，python 依賴包，並載入語料 import random import jieba import pandas as pd import numpy as np from sklearn.feature extraction.text import tfidf...