[comment]: <> (请在此添加实训简介，简单介绍一下实训的内容.以下是“基于Java语言的链表编程实训（基础篇）”实训的示例文：) ###简介 文本识别`(Text Recognition)`，是计算机视觉领域的最重要、最具挑战性的问题之一。常见的文本识别一般分为两步： 1.在图片中找到包含文本的区域； 2.对区域中的文字进行分类识别； 传统的文本识别，将图片二值化后，切割为单个字符，再对字符进行识别。虽然速度快，但只能适应简单的背景，对复杂场景的文本识别很难达到令人满意的效果。 由于文本的特殊性，当前的文本识别，将图片文本视为序列对象而非孤立对象，并借助深度神经网络来检测识别。检测模型，比较热门的是基于`CNN`的`RCNN`和`YOLO`, 而分类模型主要有`DCNN`、`RNN/LSTM/GRU + CTC`和注意力机制`(Attention-mechanism)`。为了实现更好的训练效果，一些人提出将`CNN`与`RNN`结合起来，实现端到端的文本识别模型，即`CRNN`。 ###实训环境 本实训的实验环境是`Python 3.6`下的`Tensorflow`框架。 ###实训内容 本实训项目的主要内容是基于`Tensorflow`开发一个基于`CRNN`的文本识别模型，从四个方面介绍如何完成文本识别的任务，并设置了四个关卡在线考察大家对模型的理解和实现能力。