强化学习曾小健

RPN、CTPN和EAST的区别。

除此之外，如果Anchor大小对应conv5/fc尺度，那就要求Bounding box regression把很小的框回归到很大，这已经超出Regression小范围修正框的设计目的。由于CTPN针对的是横向排列的文字检测，所以其采用了一组（10个）等宽度的Anchors，用于定位文字位置。不同文本在y方向上高度差距很大，所以设置Anchors高度为11-283，用于覆盖不同高度的文本目标。，可以是很长的文本，也可以是很短的文本．如果采用通用目标检测的方法，将会面临一个问题：**

with open("C:\\Users\\Administrator\\Desktop\\Tencent\\data\\data\\tokens.tsv",mode="r",encoding="utf-8") as f: token = f.readlines()[0].strip().split("\t")token_dict = {k:0 for k in token}with open("C:\\Users\\Administrator\\Desktop\\Tencent\\data\.

str=input("请输入一串字符:")result={}for i in str: result[i]=str.count(i)print(resoult)

1.说一说你了解的公式识别。mathpix，2.请简述attention机制，以及在公式识别中的应用。LaTeX_OCR和LaTeX_OCR_PRO，3.请简述densenet基本原理，以及解释为什么在OCR中有用。4.简述文字识别中常用评价指标一般来说评价文字识别有精度、召回、误识别、编辑距离等困惑度（perplexity）的基本思想是：给测试集的句子赋予较高概率值的语言模型较好,当语言模型训练完之后，测试集中的句子都是正常的句子，那么训练好的模型就是在测试集上的概

发现基于RNN的方法存在一些明显的缺点，如时间依赖的解码方式和语义上下文的单向串行传输，这极大地限制了语义信息的帮助和计算效率。为了减轻这些限制，我们提出了一种新颖的端到端可训练框架，该框架称为语义推理网络（SRN）什么是空间规整( spatial regularization）?为什么要做空间规整？ 因为标签之间没有标注空间信息，难以得到标签之间潜在的空间关系。如何做空间规整？在Learning Spatial Regularization with Image-levelSupervis

在train.py第33行中有build_model模块，该模块用来构建模型，是比较关键的模块。from ppocr.modeling.architectures import build_modelimport copyimport importlibfrom .base_model import BaseModelfrom .distillation_model import DistillationModel__all__ = ['build_model']...

【精选】OCR精选10个问题Q1.1.1：基于深度学习的文字检测方法有哪几种？各有什么优缺点？A：常用的基于深度学习的文字检测方法一般可以分为基于回归的、基于分割的两大类，当然还有一些将两者进行结合的方法。（1）基于回归的方法分为box回归和像素值回归。a. 采用box回归的方法主要有CTPN、Textbox系列和EAST，这类算法对规则形状文本检测效果较好，但无法准确检测不规则形状文本。b. 像素值回归的方法主要有CRAFT和SA-Text，这类算法能够检测弯曲文本且对小文本效果优秀但