CRNN
本專案是PaddlePaddle 2.0動態圖實作的CRNN文字識別模型，可支持長短不一的圖片輸入，CRNN是一種端到端的識別模式，不需要通過分割圖片即可完成圖片中全部的文字識別，CRNN的結構主要是CNN+RNN+CTC，它們分別的作用是，使用深度CNN，對輸入影像提取特征，得到特征圖，使用雙向RNN（BLSTM）對特征序列進行預測，對序列中的每個特征向量進行學習，并輸出預測標簽（真實值）分布，使用 CTC Loss，把從回圈層獲取的一系列標簽分布轉換成最終的標簽序列，
CRNN的結構如下，一張高為32的圖片，寬度隨意，一張圖片經過多層卷積之后，高度就變成了1，經過paddle.squeeze()就去掉了高度，也就說從輸入的圖片BCHW經過卷積之后就成了BCW，然后把特征順序從BCW改為WBC輸入到RNN中，經過兩次的RNN之后，模型的最終輸入為(W, B, Class_num)，這恰好是CTCLoss函式的輸入，
使用環境：
- PaddlePaddle 2.0.1
- Python 3.7
原始碼地址：https://github.com/yeyupiaoling/PaddlePaddle-CRNN
在線運行一下：https://aistudio.baidu.com/aistudio/projectdetail/1751953
準備資料集
- 貼心的筆者準備了一個生成長度不一的驗證碼圖片作為資料集，該程式可以自動生成圖片以及資料串列和資料詞匯表，需要讀者修改自己字體檔案的路徑
font_path，網上下載一搜一大把，筆者用的是這個字體點擊下載 ，
python create_image.py
執行上面程式生成的圖片會放在dataset/images目錄下，生成的訓練資料串列和測驗資料串列分別放在dataset/train_list.txt和dataset/test_list.txt，最后還有個資料詞匯表dataset/vocabulary.txt，
資料串列的格式如下，左邊是圖片的路徑，右邊是文字標簽，
dataset/images/1617420021182_c1dw.jpg c1dw
dataset/images/1617420021204_uvht.jpg uvht
dataset/images/1617420021227_hb30.jpg hb30
dataset/images/1617420021266_4nkx.jpg 4nkx
dataset/images/1617420021296_80nv.jpg 80nv
以下是資料集詞匯表的格式，一行一個字符，第一行是空格，不代表任何字符，
f
s
2
7
3
n
d
w
訓練自定義資料，參考上面的格式即可，
訓練
不管你是自定義資料集還是使用上面生成的資料，只要檔案路徑正確，即可開始進行訓練，該訓練支持長度不一的圖片輸入，但是每一個batch的資料的資料長度還是要一樣的，這種情況下，筆者就用了collate_fn()函式，該函式可以把資料最長的找出來，然后把其他的資料補0，加到相同的長度，同時該函式還要輸出它其中每條資料標簽的實際長度，因為損失函式需要輸入標簽的實際長度，
python train.py
- 在訓練程序中，程式會使用VisualDL記錄訓練結果，可以通過以下的命令啟動VisualDL，
visualdl --logdir=log --host=0.0.0.0
- 然后再瀏覽器上訪問
http://localhost:8040可以查看結果顯示，如下，
預測
訓練結束之后，使用保存的模型進行預測，通過修改image_path指定需要預測的圖片路徑，解碼方法，筆者使用了一個最簡單的貪心策略，
python infer.py
輸出如下：
預測結果：2gmnt93e
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/286887.html
標籤：AI
上一篇：SaaS為啥不能分銷