search

Rid7 / Table-OCR

Recognize tables from images and restore them into word.
GNU General Public License v3.0
269 stars 70 forks source link

crnn 训练样本生成 #16

Open lixiaoming0017 opened 4 years ago

lixiaoming0017 commented 4 years ago

您好，看了您的代码收益匪浅，里面有3个问题请您解惑： 1.关于crnn训练数据的生成，我使用的是TextRecognitionDataGenerator，旋转，噪声，模糊，膨胀都可以，您说的随机添加字符间距是直接加入空格吗?还是有别的方法？能否给予代码参考一下。不胜感激 2.识别用的数据集是不定长的吗？ 3.您在识别以后后面接的那个语言模型是怎么训练的，就是veterbi那个。

Rid7 commented 4 years ago

您好，看了您的代码收益匪浅，里面有3个问题请您解惑： 1.关于crnn训练数据的生成，我使用的是TextRecognitionDataGenerator，旋转，噪声，模糊，膨胀都可以，您说的随机添加字符间距是直接加入空格吗?还是有别的方法？能否给予代码参考一下。不胜感激 2.识别用的数据集是不定长的吗？ 3.您在识别以后后面接的那个语言模型是怎么训练的，就是veterbi那个。

1.代码参考https://github.com/Sanster/text_renderer 2.是 3.viterbi计算的并不是语言模型，pkl存放的是两个字连接的概率，具体请查阅viterbi算法原理

lixiaoming0017 commented 4 years ago

您好，看了您的代码收益匪浅，里面有3个问题请您解惑： 1.关于crnn训练数据的生成，我使用的是TextRecognitionDataGenerator，旋转，噪声，模糊，膨胀都可以，您说的随机添加字符间距是直接加入空格吗?还是有别的方法？能否给予代码参考一下。不胜感激 2.识别用的数据集是不定长的吗？ 3.您在识别以后后面接的那个语言模型是怎么训练的，就是veterbi那个。

1.代码参考https://github.com/Sanster/text_renderer 2.是 3.viterbi计算的并不是语言模型，pkl存放的是两个字连接的概率，具体请查阅viterbi算法原理

您好，针对上面的问题2和3，补充一下： 1，您如果是使用了不定长训练的，那么意味着，输入的 batch图片需要padding到固定长度，那 padding以后的部分需要计算损失吗？padding的时候用的黑色还是白色呢？

  1. viterbi是计算两个字连接的概率，您是指两个字可以组成词的概率吗？算法本身看hmm的时候能懂，但不知道如何用在这里，能否指教一下。感谢感谢 3.您能大致说说在使用text render生成样本的参数设置吗？比如背景的长宽，因为我在使用您的模型的时候发现，鲁棒性非常高，即使图片的长宽比较特殊依然能够识别准确，比如下图： chufashijian11 chufashijian10 这两张图的长宽是一样的，文本的位置不一样，下面的一张正确，上面的一张错误。这个是因为您生成赝本的时候，数据是尽量靠图片中间生成的吗？背景图片的长宽是不是可以随意指定呢？