车牌字符识别中ctc loss损失函数理解

原始内容来源于：https://zhuanlan.zhihu.com/p/43534801
根据原始内容整理！

1 概述

文字识别是图像领域的常见问题，针对自然场景图像中的文字识别，包括两个步骤：首先进行文字检测，定位图像中文字位置；然后进行文字识别，将图像中的文字区域转换为字符信息。在车牌识别问题中，已定位好车牌位置，因此不需要进行文字检测，只需文字识别。（文字检测内容可参考https://zhuanlan.zhihu.com/p/34757009）。

常用的基于RNN文字识别算法主要有两个框架：CNN+RNN+CTC(CRNN+CTC)和CNN+Seq2Seq+Attention，如下图所示。本文主要介绍 CRNN+CTC（paper：https://arxiv.org/abs/1507.05717，tensorflow实现：https://github.com/bai-shang/crnn_ctc_ocr.Tensorflow）。

2 CRNN+CTC基本网络结构

整个CRNN+CTC网络可以分为三个部分，包括Convlutional Layers，Recurrent Layers，Transcription Layers，如下图所示。

Convlutional Layers：卷积层是一个普通的CNN网络，用于提取输入图像的Convolutional feature maps，即将大小为32 * 100 * 3的图像转换为1 * 25 * 512大小的卷积特征矩阵。

Recurrent Layers：循环网络层是一个深层双向LSTM网络（RNN部分可参考https://zhuanlan.zhihu.com/p/51383402），在卷积特征的基础上继续提取文字序列特征。所谓深层RNN网络，是指超过两层的RNN网络，而对于深层双向RNN网络，主要有2种不同的实现，tf.nn.bidirectional_dynamic_rnn和tf.contrib.