ocr-程序解析

1，tensorflow部分，
注意backbone利用了mobilenetv2，其中tf使用注意事项：

1. 使用 tf.variable_scope(‘mv2’，reuse=tf.AUTOREUSE):
   其中reuse可以节省图空间，一样的scope可以利用这个scope省资源。

2. 使用kernal卷积核，tf中格式是（kh，kw，kc，outputnum）：即
   w = tf.get_variable(‘w’, [k_h, k_w, input_.get_shape()[-1], output_dim],
   regularizer=tf.contrib.layers.l2_regularizer(weight_decay),
   initializer=tf.truncated_normal_initializer(stddev=stddev))
   而卷积过程是[1,stridey,stridex,1]如下：
   conv = tf.nn.conv2d(input_, w, strides=[1, d_h, d_w, 1], padding=‘SAME’)

3. 而卷积偏置是与通道无关的：
   biases = tf.get_variable(‘bias’，[output_dim],initializer=tf.constant_initializer(0.0))
   conv = tf.nn.bias_add(conv, biases)

2.mobilenetv2部分：

注意点：c是输出通道，n是此步骤的单个res_block数量，s是stride，对应stride=1和stride=2 不用架构，t是膨胀系数，可以认为升维减少relu损失用。
其中每个bottleneck中有n个res_block残差块，而每个残差块有如下组成（res_block），

这里一个res_block中t=6,表示维度的增广到原来的input维度的6倍，而其中第一次bottleneck是t=1，个人认为前期不需要做6倍的放大，后面每次都做了expansion，即t=6.每个res_block如上图，这里注意 stride=1是add了残差，而stride=2做了缩放没有做+的动作，cv1_relu , dwise3_stride_relu,cv1,
注意最后convlution 1X1没有做relu，减少损失。
其中：注意：
def res_block(input, expansion_ratio, output_dim, stride, is_train, name, bias=False, shortcut=True):
with tf.name_scope(name), tf.variable_scope(name):
# pw
bottleneck_dim = round(expansion_ratio*input.get_shape().as_list()[-1])
net = conv_1x1(input, bottleneck_dim, name=‘pw’, bias=bias)
net = batch_norm(net, train=is_train, name=‘pw_bn’)
net = relu(net)
# dw
net = dwise_conv(net, strides=[1, stride, stride, 1], name=‘dw’, bias=bias)
net = batch_norm(net, train=is_train, name=‘dw_bn’)
net = relu(net)
# pw & linear
net = conv_1x1(net, output_dim, name=‘pw_linear’, bias=bias)
net = batch_norm(net, train=is_train, name=‘pw_linear_bn’)

    # element wise add, only for stride==1
    if shortcut and stride == 1:
        in_dim = int(input.get_shape().as_list()[-1])
        if in_dim != output_dim:
            ins = conv_1x1(input, output_dim, name='ex_dim')
            net = ins+net
        else:
            net = input+net

    return net

所有通过如上7个bottleneck（每个中又有1234331个res_block，每个res_block中又有stride=1和2的组合，而每个res_block中又有cv1_t_bn_relu - dwisecv3_bn_relu-cv1_bn (stride=1再+)组合）
最终将224到了7，变为原来的1/32.