CRNN骨干网络替换指南

CRNN骨干网络替换指南

CRNN自2015年发表至今，仍然是OCR领域霸榜的存在。但当时所用的骨干网络直接早已落后于现在的AUTOML搜索，比如：mobilenetv3,efficientnet。如何将这些新型网络应用于CRNN呢，掌握本博客介绍的原则，轻松替换你的CRNN骨干网络。

---

---

前言

修改CRNN骨干网络前，需要具备一个常识，自Vgg网络开始，所有的特性提取网络都有以下两个步骤：

1、5次下采样。
2、flatten、pooling、linear等操作输出最终类别

拿经典的Resnet为例，输入尺寸224×224，经过5次下采样缩减为7×7(224/32)特征图 ,最后经过AdaptiveAvgPool2d、linear操作输出最终类别

---

一、CRNN的骨干网络设计

首先看CRNN的骨干网络设计：

如图所示，模型输入为32×320的图像，输出为1×81的特征图，其中高度部分一共下采样5次（5个红色框），宽度部分只在前两次进行下采样（2个绿色框）。

基于此设计准则，我们就可以愉快地修改我们自己的CRNN特征提取网络了，我们要做的就是将所选的骨干网络，
1、倒数后3次的stride由2改为（2,1）
2、删除采样后面的pooling、linear等操作

二、实战部分

1. 基于mobilenetv3的CRNN

mobilenetv3没有官网实现，高星实现: mobilenetv3为基础模型。
如下图红框部分所示，将倒数3个s 由2改为（2,1）

2. 基于efficientnet的CRNN

efficientnet没有官网实现，高星实现: efficientnet为基础模型
如下图红框部分所示，将倒数3个s 由s22改为s21

总结

到此就可以回答很多初入ocrer的高频问题：模型训练时，训练样本最大字符个数是多少？欢迎交流讨论~