识别部分的一些使用心得

[shining-love]

首先很感谢repo主无私的分享，该repo非常经典。在使用该repo过程中走过很多坑以下简要介绍：（1）模型推断阶段BN层未关闭，（2）模型推断时dropout未关闭（但测试了很多，发现未关闭也没有出现影响），（3）模型中图像宽度缩小8倍进入ctc loss计算这一点限制很大，使得你训练使用的图像宽度和图像中的文字序列长度有较好的比例，不然就会导致ctc loss无法计算出现ctc loss 为inf的情况，即模型结构使得图像宽度缩小8倍很坑，（4）模型采用的原始训练数据是很规整的同一32*280的图片，统一的10个字符长度，但如果我们拿自己的图像（或者开源的数据）是不定长图像宽度以及字符长度，所以为了保证我们同一个batch中图像的宽度是一致的，我们有2种策略选择：一是直接统一resize成同一高和宽（一定要确保宽度满足条件：宽//8>=字符长度+连续字符重复总个数）;二是在每个batch中以最大宽度为基准进行pad。这两种策略我测试了在一些图像宽度变化较大，仿射变换严重的数据集上都不太好，首先策略1直接resize会造成图像中文字发生变形，其次策略2在每个batch中以最大宽度为基准进行pad会造成原始图像（特别是一些图与具有最大宽度的图之间宽度相差较大）出现较多非文字空白区域，使得模型难以识别这样的图。 综上：如果想要在宽度一致性较差，宽高比例不好以及图像倾斜度较大的数据集上进行训练建议放弃该repo，选择其他的repo（比如crnn的）

[piaobuliao]

想问下模型推断阶段BN层怎么关闭？

看这里好像说是调用predict自动关闭的，怪不得之前我不用关闭 预测也都没问题 https://zhuanlan.zhihu.com/p/56225304 Keras用learning_phase机制来告诉模型当前的所处的模式。假如用户没有手工指定的话，使用fit()时，网络默认将learning_phase设为1，表示训练模式。在预测时，比如调用predict()和evaluate()方法或者在fit()的验证步骤中，网络将learning_phase设为0，表示测试模式。用户可以静态地，在model或tensor添加到一个graph中之前，将learning_phase设为某个值（虽然官方不推荐手动设置），设置后，learning_phase就不可以修改了。

[praymich]

十分感谢分享心得

[rsqai]

这个使用中会不会有问题啊，比如图像旋转了180度，这个时候需要先检测旋转角度再矫正，最后再进行文字检测和识别。我看有另外一个项目，就在前面加了个角度识别90度180度270度，想自己搞一个但是没数据。。。

[fire717]

这个使用中会不会有问题啊，比如图像旋转了180度，这个时候需要先检测旋转角度再矫正，最后再进行文字检测和识别。我看有另外一个项目，就在前面加了个角度识别90度180度270度，想自己搞一个但是没数据。。。

数据不是很容易生成吗？

[Cocoalate]

你好，请问crnn对输入文本图像的处理不也是需要resize成相同长款么，为什么选择crnn会更好？