参考:
https://blog.csdn.net/Left_Think/article/details/76370453
深度实践OCR author:刘树春
先说一下CTC有什么用,先从应用场景下说:CTC最早被设计来解决编解码对不齐的问题。
在传统的语音识别的模型中,我们对语音模型进行训练之前,往往都要将文本与语音进行严格的对齐操作。
比方说上图这周情况预测得到一个(T,C)的矩阵,但是结果却可能是一个长度为(T1)的序列,T1和T不一定等,这个时候如何对其就很麻烦,全部人工标注就太费事了,而且标的还不一定对,比如下图,要把图像分割开,太费事了,这个时候CTC就上场了
先说一下CRNN模型输出是什么样的呢;
一般的全连接层输出为1*C的向量,而CRNN输出的是一个(T*C)的矩阵
该1*C的tensor输出为d,即模型预测结果为d
该模型输出为daeb
def decode(self, encode_texts, encode_probs=None