超级会员免费看
本文深入探讨了基于RNN的文字识别算法，特别是CRNN（卷积循环神经网络）结合CTC（连接主义时间分类）的方法。CRNN包括CNN特征提取、RNN序列学习和CTC损失层，用于处理不定长序列。CTC通过解决序列对齐问题，使RNN能够进行端到端训练。文章详细解释了CTC的理论、损失函数计算和解码策略，如CTC Prefix Search和CTC Beam Search Decoding。
基于RNN文字识别算法主要有两个框架：
- CNN+RNN+CTC(CRNN+CTC)
- CNN+Seq2Seq+Attention
CRNN
CRNN 介绍
CRNN 全称为 Convolutional Recurrent Neural Network，主要用于端到端地对不定长的文本序列进行识别，不用先对单个文字进行切割，而是将文本识别转化为时序依赖的序列学习问题，就是基于图像的序列识别。
整个CRNN网络结构包含三部分，从下到上依次为：
- CNN（卷积层），使用深度CNN，对输入图像提取特征，得到特征图；
- RNN（循环层），使用双向RNN（BLSTM）对特征序列进行预测，对序列中的每个特征向量进行学习，并输出预测标签（真实值）
订阅专栏 解锁全文
扫一扫
1150
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
