CTC blank 理解

 

项目场景：

提示：PaddleOCR 源码阅读
ppocr/data/postprocess/rec_postpocess.py

使用ctclabeldecode

---

问题描述：

当时面试时 问CTC是如何解码的，回答有点模糊，就大概理解是一个序列话，跟字典去一一对应

---

解决方案：

1、ctc blank机制

现在的理解是这样的。一张图片要映射到一个字符序列，识别的基础还是单字符的识别(如果不考虑直接把图片映射为一个单词的方法)。单字符的识别就涉及到图片切分的问题了，切分有显示切分和隐式切分两种方法。早期的方法是显示切分，切成图片块序列再进行单字符分类，但是识别性能受制于切分的质量。后面出来的隐式切分方法如crnn，用cnn+lstm做序列建模，加上ctc转码实现隐式切分。

也就是说切分是绕不开的，实现切分的话就需要知道字符边界。显示切分确定字符边界最简单的方法就是，把图片灰度均值超过阈值的列视做边界(假设白底黑字，这里随便说的一个想法，我还没做过显示切分的工作)。前面说过显示切分的问题，切分质量难以保证。如果不用这种方法怎么实现切分呢？

既然抛弃了在图片端进行切分的方法，那就只能在图片处理过后进行切分了。不论用cnn还是rnn，最后都可以把图片变成一个特征序列，我们可以对序列中的每列特征进行分类。为了在这里进行切分，引入一个新的类别，这个类别代表字符边界。所以ctc引入blank的目的就是为了表征字符边界，实现隐式切分的目的。

 

2、一篇博客 整体的讲述了一下  CTC原理和理解及实现

https://zhuanlan.zhihu.com/p/39266552