知乎：一文讀懂CRNN+CTC文本行識別 （詳解 CTC loss）
來自： https://zhuanlan.zhihu.com/p/43534801
代碼：https://github.com/bai-shang/OCR_TF_CRNN_CTC
文字檢測主要解決的問題是哪里有文字，文字的范圍有多大，即定位文本行的所在位置和范圍及其布局。
文本識別是在文本行定位的基礎上，對文本行內容進行識別，將圖像中的文本信息轉化為文字信息。文字識別主要解決的問題是每個文字是什么。
所以一般來說，從自然場景圖片中進行文本行識別，需要包括三個步驟：
- 圖像預處理
- 文字檢測定位文本行區域
- 對定位好的文本行圖片進行識別
圖1 文字識別的步驟
本文的重點是如何對已經定位好的文本行圖片進行識別。
常用文本行識別算法主要有兩個框架：
- CNN+RNN+CTC(CRNN+CTC)
- CNN+Seq2Seq+Attention
CTC總結
CTC是一種Loss計算方法，用CTC代替Softmax Loss，訓練樣本無需對齊。
CTC特點：
- 同時引入blank字符，解決有些位置沒有字符的問題
- 通過遞推，快速計算梯度
......
CRNN+CTC總結
這篇文章的核心，就是將CNN/LSTM/CTC三種方法結合：
- 首先CNN提取圖像卷積特征
- 然后LSTM進一步提取圖像卷積特征中的序列特征
- 最后引入CTC解決訓練時字符無法對齊的問題
提供了一種end2end文本行圖片算算法。