手里的两个OCR算法使用了类似的算法和框架，但是代码看起来还是有细微的差别的。准备研究下该代码，此篇文字记录基本知识，权当笔记。
1.PIL.Image.convert("L")
python中的图像处理库PIL是用来实现不同图像格式的转换。
PIL处理正常的RGB、BMP、JPG格式的图片，都是直接将其转换为"RGB"模式。
但是对于灰度图，PIL进行的操作是将其转换为"L"型——模式"L"为灰色图像，它的每个像素用8个bit表示，0表示黑，255表示白，其他数字表示不同的灰度。在PIL中，从模式“RGB”转换为“L”模式是按照下面的公式转换的：
L = R * 299/1000 + G * 587/1000+ B * 114/1000
"""
YOLO_v3 Model Defined in Keras.
Reference: https://github.com/qqwweee/keras-yolo3.git
"""
确定了手里的两个项目都是使用的该源码。
3.并不是像我想象的整个模型都是使用Keras！！！
keras是keras-yolo3，是文字检测用的！！！
ocr是ocr，是用pytorch实现的，属于CRNN，是文字识别用的！！！
########################文字检测################################################
##文字检测引擎
IMGSIZE = (608, 608) ## yolo3 输入图像尺寸
yoloTextFlag = 'keras' ##keras,opencv,darknet，模型性能 keras>darknet>opencv
############## keras yolo ##############
keras_anchors = '8,11, 8,16, 8,23, 8,33, 8,48, 8,97, 8,139, 8,198, 8,283'
class_names = ['none', 'text', ]
kerasTextModel = os.path.join(pwd, "models", "text.h5") ##keras版本模型权重文件
######################OCR模型###################################################
ocrFlag = 'torch' ##ocr模型 支持 keras torch opencv版本
4.yolo_v3.
yolo_v3是一个目前识别率较高的目标检测深度学习算法，其对darknet-53进行了修改，只取其前52层。
