CRNN_Chinese_Characters_Rec
CRNN_Chinese_Characters_Rec copied to clipboard
Sierkinhane
关于demo.py中resize问题，
您好，我发现您的demo.py中的resize，有点不对，首先在训练的时候，您对图片宽度先进行了280到160的放缩，放缩因子为1.75。所以我们在测试图片处理
第一步，也应该要进行图片宽度除以这个放缩因子。
第二步，图片高度要放缩到固定的高度32，所以同时宽度在此基础上也要同比例缩放。
假如一张416乘86的图片，经过第一步会缩放到237乘以86的尺寸。然后在经过第二步，同比例缩放，缩放完以后宽度应该是88，高度为32。但是您的代码我单独打印出来，您的宽度仍然是237，高度是32。所以并没有按照同比例缩放？是我的理解错了吗？希望得到您的回复，谢谢。
如果测试的时候您将宽和高一起放缩，那么和您训练时候数据放缩倍数不一样，因为您训练的时候宽度280，高度32，您会放缩到宽度160，高度32，所以图片仅仅通过了宽度放缩，（这个时候图片会变形），但是在测试的时候不应该是先经过在保持高度不变，在宽度上进行280-160的放缩，然后在经过同比例将高度放缩到32的同时，宽度第二次经过放缩吗？
在2020年04月28日 07:32，WoodGhost. 写道：
我这里是宽高一起放缩， 416x86 --> 237x32
— You are receiving this because you authored the thread. Reply to this email directly, view it on GitHub, or unsubscribe.
应该是按你这样操作，先同比例缩放至高度为32，然后再放缩宽度！
好的，多谢，还有我看到您使用360万定长10字的图片进行训练的，您的训练代码可以直接训练不定长的文字图吗？
修改一下dataloader，字符数不定，但是分辨率要固定
我刚看了一下您的train.py代码，没看懂怎么修改dataloader,可以告知一下如何修改吗？谢谢！
lib/Dataset/ 代码在这里
谢谢，我太笨了，很抱歉啊，我只看到有resize的地方，没看到如何修改dataloader字符数不固定，可以写一下在哪里修改代码吗？十分感谢
这个就是数据导入类，你按你的需求修改
谢谢回复，self.labels就是我们需要的导入的图片名称和标签，但是我不知道哪里修改不定长的，字符数不固定。
你的这个问题，我这边的处理方式是batch_size = 1就能解决不定长的训练。
@zcswdt 你说的是应该是每个batch的数据之间的宽度可以不一样，支持不定长吧。但是每个batch之内的图片还是会缩放到同一尺寸的，可以通过对batch的数据进行填充或者resize
@zcswdt 你说的是应该是每个batch的数据之间的宽度可以不一样，支持不定长吧。但是每个batch之内的图片还是会缩放到同一尺寸的，可以通过对batch的数据进行填充或者resize
谢谢回复，对，就是原始图片的长度是不定长，而且字数也是不定字数，这样的话，有好的处理方法吗？
@zcswdt 有啊，就是通过对每个batch图片resize或者填充到指定大小即可，不同batch之间可以不一样，你可以参考这个https://github.com/Holmeyoung/crnn-pytorch/blob/master/dataset.py#L117
@zcswdt 有啊，就是通过对每个batch图片resize或者填充到指定大小即可，不同batch之间可以不一样，你可以参考这个https://github.com/Holmeyoung/crnn-pytorch/blob/master/dataset.py#L117
It doesn't keep the ratios.
应该是按你这样操作，先同比例缩放至高度为32，然后再放缩宽度！
请问一个问题，您第二步resize操作的时候，直接强行放缩宽度值，不会使图片中的字符变形严重吗(当输入图片宽高比与训练图差别较大时)？ 我刚接触ocr没多久，crnn中不是说可以只统一高度，宽度任意吗？ 您这个网络支持这种输入方式吗？
应该是按你这样操作，先同比例缩放至高度为32，然后再放缩宽度！
请问一个问题，您第二步resize操作的时候，直接强行放缩宽度值，不会使图片中的字符变形严重吗(当输入图片宽高比与训练图差别较大时)？ 我刚接触ocr没多久，crnn中不是说可以只统一高度，宽度任意吗？ 您这个网络支持这种输入方式吗？
感觉后面补0效果更好
应该是按你这样操作，先同比例缩放至高度为32，然后再放缩宽度！
请问一个问题，您第二步resize操作的时候，直接强行放缩宽度值，不会使图片中的字符变形严重吗(当输入图片宽高比与训练图差别较大时)？ 我刚接触ocr没多久，crnn中不是说可以只统一高度，宽度任意吗？ 您这个网络支持这种输入方式吗？
感觉后面补0效果更好 如果测试图宽度比训练图宽度小可以直接填充补白，但是如果测试图宽度比训练图长好多时，直接压缩形变比较严重吧? 不是可以支持只固定图像高度吗？ 请问您知道如何操作吗？
@chen1234520 测试时候一般都是任意宽度的，保证cnn出来的特征高是1就行，由于后面是lstm这种rnn结构，宽度的不同其实只是送到lstm的序列时间步不同
@chen1234520 保持宽高比就行，高度到32，宽度按照一样的比例进行 padding是为了好计算，这是和最长的保持一样就行
宽高比是训练数据的宽高比吗？我训练时尺寸32032，但是实际测试时有些图片宽度过长，例如64032。这中情况，输入时图片需要resize到多少？是强行压缩到32032，还是网络直接可以接受64032的输入尺寸？
@chen1234520 cnn对于输入大小是没有限制的，这里用32，主要是为了lstm的使用，一个词一个向量（如果不用32也可以，不过得加些处理，例如add或者concat）。lstm对于长度是没有限制的，每次输入一个特征向量就行。 这里一个batch的图片保持宽高一样，是为了好计算。 所以，你这里处理的时候，比如pytroch dataloader有个collate函数，你可以在那里处理，计算最长的（假定之前之前按比例缩放高度为32了），对于不够的padding补0，剩下的应该就可以直接送入网络就行了。。
@chen1234520 cnn对于输入大小是没有限制的，这里用32，主要是为了lstm的使用，一个词一个向量（如果不用32也可以，不过得加些处理，例如add或者concat）。lstm对于长度是没有限制的，每次输入一个特征向量就行。 这里一个batch的图片保持宽高一样，是为了好计算。 所以，你这里处理的时候，比如pytroch dataloader有个collate函数，你可以在那里处理，计算最长的（假定之前之前按比例缩放高度为32了），对于不够的padding补0，剩下的应该就可以直接送入网络就行了。。
您这里指的是训练过程吗？ 那测试过程呢？假使训练阶段我的训练图片，宽高比为10:1，320×32。那么再测试时，一张例如1000×64尺寸的图像，是仅需要将高度缩放到32，即500*32作为输入，还是需要强行改变宽高比缩放到320×32？
@chen1234520 如果测试中batch > 1的话，也是做一样的操作，如果一张图片，直接500 * 32就行
500 * 32之后 宽度再 500 * (160 / 280)吧？
@CabbageWust 还需要这个吗，原因呢。。
因为训练的时候是这样处理的，这个issu前面不是在说这个吗。
看前面的作者回复：
“应该是按你这样操作，先同比例缩放至高度为32，然后再放缩宽度！”