背景介紹見(jiàn)：深度學(xué)習(xí)：識(shí)別圖片中的電話號(hào)碼（1）

識(shí)別電話號(hào)碼最終采用的是：循環(huán)卷積網(wǎng)絡(luò)。先看下網(wǎng)絡(luò)的結(jié)構(gòu)，有幾處比較trick的地方，后面會(huì)講到。

注意的地方

1. 上圖中的網(wǎng)絡(luò)是訓(xùn)練網(wǎng)絡(luò)的結(jié)構(gòu)，訓(xùn)練的輸入有三個(gè)：image圖片；seq是時(shí)序的標(biāo)識(shí)，如果時(shí)序長(zhǎng)度為5則為[0,1,1,1,1]，0表示序列的開(kāi)始，1表示序列繼續(xù)（當(dāng)前時(shí)刻有信號(hào)輸入），上一時(shí)刻的細(xì)胞狀態(tài)會(huì)傳遞給當(dāng)前時(shí)刻。label表示序列的真實(shí)結(jié)果，如“123”應(yīng)該表示為[1,2,3,-1,-1]，長(zhǎng)度和seq一致。

在batchsize中，多個(gè)樣本的seq大小如果不同，短序列的seq=[0,1,1,…1,0,0..0]，表示短序列提前結(jié)束了。當(dāng)然電話識(shí)別中，把圖片特征按列等分了n份，大家的序列長(zhǎng)度是一致的。

2. 序列的分割

輸入image的大小是：batch_size*3*h*w

輸入seq的大小是:batch_size*n ，n表示序列的長(zhǎng)度=圖片特征要切割的份數(shù)

輸入label的大小是：batch_size*n

經(jīng)過(guò)ZF特征提取網(wǎng)絡(luò)，relu5的輸出為：batch_size*num_output*height*width，num_output表示featureMap的數(shù)據(jù)，width/height特征層的寬高。

trans1轉(zhuǎn)置層，參數(shù)為：

transpose_param {dim: 0 dim: 3dim: 2 dim: 1 }

輸出的維度為：batch_size*width*num_output*height。trick的做法是：n的大小可以設(shè)置為width，即把特征層的每一列作為一個(gè)時(shí)刻的輸入。

conv5_trans為全連接層，當(dāng)然它的全連接只針對(duì)某一列在num_output個(gè)featureMap上的節(jié)點(diǎn)進(jìn)行，參數(shù)為：

inner_product_param {num_output: 4096weight_filler {type: "gaussian"std: 0.01}bias_filler {type: "constant"value: 0}axis: 2}

輸出為：batch_size*width(n)*4096。

3. 構(gòu)建序列，主要是構(gòu)建LSTM的輸入格式，注意LSTM的輸入是：T*batch_size*C，T就是時(shí)序長(zhǎng)度n，C是特征的維度即4096。

4. LSTM的輸出為：T*batch_size*lstm_c，lstm_c表示LSTM中特征維度的大小，這里取256。

經(jīng)過(guò)fc-final，全連接為字符的種類數(shù)目+1（背景）。比如數(shù)字，輸出為T(mén)*batch_size*11。

5. 最終輸入CTC網(wǎng)絡(luò)，CTC網(wǎng)絡(luò)會(huì)對(duì)T時(shí)刻的數(shù)據(jù)做后處理計(jì)算與真實(shí)label的差異，返回loss。正如上節(jié)說(shuō)的，T的大小應(yīng)該大于label的長(zhǎng)度，因?yàn)镃TC的后處理會(huì)把結(jié)果中的空格（背景）和連續(xù)相同字符去除（重復(fù)識(shí)別）去除，如果T<len(label)，后處理后得到的字符一定和label不同了，這樣就沒(méi)意義了。

比如T=20，序列為：“1_88_8_1_1_66_10_16_8”，處理后得到“18811610168”。

檢測(cè)網(wǎng)絡(luò)

檢測(cè)網(wǎng)絡(luò)和訓(xùn)練類似，只是CTCLoss層替換為CTCDecoder即可。

由于新加了一些層的依賴，基于的caffe為：https://github.com/houkai/caffe

轉(zhuǎn)載于:https://www.cnblogs.com/houkai/p/6261631.html

總結(jié)

以上是生活随笔為你收集整理的深度学习：识别图片中的电话号码（2）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。