CTC介绍

OCR文字识别主要包括2个步骤：
文字检测：解决的问题是哪里有文字，大致的文本行区域
文字识别：对定位好的文字区域进行识别，主要解决的问题是每个文字是什么

文字检测可以使用我之前博客介绍的CTPN模型。

现有的常见的端到端文字识别框架有以下两种：
1.CNN+RNN+CTC
2.CNN+Seq2Seq+Attension机制

CTC

CTC的全称为Connectionist Temporal Classification。CTC主要解决一个问题——输入序列和输出序列对应的问题。比如在OCR识别中，字符数量、大小不同，输出不能和每个字符很好的一一对应。这时CTC的作用就体现出来了。CTC提出一种对不需要对齐的Loss计算方法，用于训练网络，被广泛应用于文本行识别和语音识别中。

CTC简述

以LSTM为例输出为例

定义输入x的时间步为T，每个时间步上的特征维度记作m，表示m维特征。

输出时间步也为T，和输入可以一一对应，每个时间步的输出维度作为n，表示n维输出，实际上是n个概率

假设要对26个英文字符进行识别，考虑到有些位置没有字符，定义一个-作为空白符加入到字符集合L′={a,b,c,…,x,y,z}∪{−}=L∪{−}={a,b,c,…,x,y,z,−}，那么对于LSTM而言每个时间步的输出维度n就是27，表示27个字符在这个时间步上输出的概率。

如果根据这些概率进行选取，每个时间步选取一个元素，就可以得到输出序列，其输出空间可以记为L′^T。

定义一个B变换，对LSTM的