白翔的CRNN論文閱讀
1. 論文題目
Xiang Bai——【PAMI2017】An End-to-End Trainable Neural Network for Image-based Sequence Recognition and Its Application to Scene Text Recognition
2. 論文思路和方法
1) 問題范圍： 單詞識別
2) CNN層：使用標准CNN提取圖像特征，利用Map-to-Sequence表示成特征向量；
3) RNN層：使用雙向LSTM識別特征向量，得到每列特征的概率分布；
4) Transcription層：利用CTC和前向后向算法求解最優的label序列；
3. 亮點和創新點
1) 端到端可訓練（把CNN和RNN聯合訓練）
2) 任意長度的輸入（圖像寬度任意，單詞長度任意）
3) 訓練集無需有字符的標定
4) 帶字典和不帶字典的庫（樣本）都可以使用
5) 性能好，而且模型小（參數少）
4. 相關鏈接
1) 白翔的個人主頁：http://mc.eistar.net/~xbai/
2) 論文的下載地址：https://arxiv.org/pdf/1507.05717v1.pdf
3) 代碼的下載地址：
http://mc.eistar.net/~xbai/CRNN/crnn_code.zip
5. 論文細節
1) 論文的框架
2) 特征提取層
3) 序列標定層
4) 翻譯層
5) 網絡訓練
6) 實驗
7) 總結
8) 問題
