DL之CNN:基于CRNN_OCR算法(keras,CNN+RNN)利用数据集(torch,mdb格式)训练来实现新图片上不定长度字符串进行识别—训练过程
生活随笔
收集整理的這篇文章主要介紹了
DL之CNN:基于CRNN_OCR算法(keras,CNN+RNN)利用数据集(torch,mdb格式)训练来实现新图片上不定长度字符串进行识别—训练过程
小編覺得挺不錯的,現在分享給大家,幫大家做個參考.
DL之CNN:基于CRNN_OCR算法(keras,CNN+RNN)利用數據集(torch,mdb格式)訓練來實現新圖片上不定長度字符串進行識別—訓練過程
?
?
目錄
輸出結果
設計思路
核心代碼
?
?
?
輸出結果
?
?
設計思路
?
?
?
?
核心代碼
from keras.callbacks import ModelCheckpoint, ReduceLROnPlateaunclass = len(characters) + 1 model, basemodel = get_model_train(height=imgH, nclass=nclass) import osif os.path.exists('./models/pretrain_models/keras.hdf5'):basemodel.load_weights('./models/pretrain_models/keras.hdf5')checkpointer = ModelCheckpoint(filepath="./models/ intermediate_model/model{epoch:02d}-{val_loss:.4f}.hdf5", monitor='val_loss',verbose=0, save_weights_only=False, save_best_only=True)rlu = ReduceLROnPlateau(monitor='val_loss', factor=0.1, patience=1, verbose=0, mode='auto', epsilon=0.0001,cooldown=0, min_lr=0)model.fit_generator(gen(train_loader, flag='train'), steps_per_epoch=1024,epochs=10000,validation_data=gen(test_loader, flag='test'),callbacks=[checkpointer, rlu],validation_steps=1024) #保存兩個h5文件 model.save_weights('./models/final_model/final_model_weights.h5') model.save('./models/final_model/final_model.h5')?
?
?
?
?
總結
以上是生活随笔為你收集整理的DL之CNN:基于CRNN_OCR算法(keras,CNN+RNN)利用数据集(torch,mdb格式)训练来实现新图片上不定长度字符串进行识别—训练过程的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 成功解决ForkingPickler(f
- 下一篇: NLP之word2vec:利用 Wiki