search

MaybeShewill-CV / CRNN_Tensorflow

Convolutional Recurrent Neural Networks(CRNN) for Scene Text Recognition
MIT License
1.03k stars 388 forks source link

卷积 #10

Closed CXY573 closed 6 years ago

CXY573 commented 6 years ago

conv = self.conv2d(inputdata=inputdata, out_channel=out_dims, kernel_size=3, stride=1, use_bias=False, name=name) 这句话，为什么可以直接self.conv2d，self不是代表类吗，crnn中的，然后直接定义一个conv2d，不用调用tf.nn.conv2d来定义？？？ 还有 conv1 = self.__conv_stage(inputdata=inputdata, out_dims=64, name='conv1') # batch165064 原本是32100，池化后变成16*50是没问题，但是卷积之后大小不变应该是因为conv2d里面有一个padding='SAME'吧，但是你这里都没有padding参数，论文里好像是1×1

CXY573 commented 6 years ago

奥，我看到cnn_basenet的文件了，我发现你的CNN跟原文不太一样～ 比如bn的位置，还有就是比如第三个池化的stride 还有Kernel都跟原文有不一样的细微变化 【2，2】->【2,1】

CXY573 commented 6 years ago

还有 就是对类不太熟悉，在crnn_model中好像没有出现跟cnn_basenet有继承或者申明之类的关系，为什么直接在crnn里面用self.conv2d就可以调用cnn_basenet的函数，虽然我看到了import cnn_basenet，但是在crnn中的self不是指向crnn中ShadowNet这个类本身吗，怎么self.conv2d是指向cnn_basenet，希望得到解疑

MaybeShewill-CV commented 6 years ago

@CXY573 这个你可以查看一下关于python的书籍

CXY573 commented 6 years ago

好吧，那你的CNN跟原文不太一样～ 比如bn的位置，还有就是比如第三个池化的stride 还有Kernel都跟原文有不一样的细微变化 【2，2】->【2,1】，是有更好的效果还是说细微的差别对于特征提取没有什么影响？？？

MaybeShewill-CV commented 6 years ago

@CXY573 和原文不一样主要可能是实现框架不同，但是需要达到的目的是统一的