关于crnn中的ctc

图文可以参考
crnn就是卷积加lstm加ctc，cnn用于提取特征，lstm用于提取序列特征，ctc用来解决训练时标签对齐问题，假如没有ctc，经过lstm输出的维度为w×n×c，其中w为输入进lstm的特征图宽度，n为batch size，c为类别数，如果直接以softmax输出，我们需要为每一个时刻的序列都标注一个标签，而每一个序列在原图上会对应一个区域，这样我们会为一个图片标注w个标签，我们在标注标签的时候还需要计算每一个序列在原图对应的区域，是相当麻烦的，ctc提出了一种计算方法，引入blank，如果输出序列中相邻的字符相同，那么就合并，如果相同但是中间有个空白符，就保留，这样就会输出一个标签序列，即为P(Π|x),意思是在x的条件下输出为Π的概率，在ctc中就是每个序列的预测概率乘积，但是输出序列可能会和标签序列的长度不同，ctc计算思想就是，计算所有由Π到达标签l的的概率总和的-ln，简单来说就是-ln(p(l|x)),l是标签，x对应lstm输出。
这里我并没有去解释Π怎么变成l的，实际中会用到动态规划的算法，求编辑距离，比较麻烦，这些足够应付面试提问了