端到端OCR实验记录

1. 采用crnn的主网络，采用roi_pooling，

采用的crnn的主网络进行特征提取，高度方向/16，宽度方向/4，然后在一张图片中有两个文本区域。特征提取完成之后，采用faster rcnn的roi_pooling对两个区域进行池化操作，pooled_height = 2， pooled_width = 2 × maxratio(rois的最大宽高比)。

以下就是出来的结果。

2. 采用crnn的主网络，采用ocr_roi_pooling

采用crnn的主网络，高度和宽度方向都缩小16倍，特征池化部分采用等比例ocr池化，这个过程中发现用VGG做主网络的时候，整个过程不收敛，具体原因还不知道。

3. 采用crnn的主网络，采用ocr_roi_pooling

采用crnn的主网络，高度缩小16倍，宽度缩小4倍，采用等比例池化做ocr特征的池化。
结果如下图所示：

分析： 没有宽度缩小16倍的效果好，应该是样本的文字区域比较大。缩小的比例大一点则效果更好。

可能的问题：

• roi_pooling，池化的时候未等比例缩放，造成了变形，所以字符识别的时候出现一定的问题。