想问下作者的中文训练集是怎么样的呢？ 不定长识别是怎么实现的 about chinese-ocr HOT 10 OPEN

@haneSier 训练集是这样的：

不定长是因为训练的时候只确定了height=32， width=None，所以可以识别任意长度，不过一般有限制。

from chinese-ocr.

from chinese-ocr.

不定长识别和你给定的训练集长度有关，比如说你训练集中图片长度为200，然而你feed到神经网络里的是将200resize成100的图片，那么在你训练好之后，识别其他不同长度的图片时就要按同样比例放缩

from chinese-ocr.

@Sierkinhane 那我的数据集全是一样长度的，是不是就不能识别不同长度的那种数据了
？

from chinese-ocr.

并不是

from chinese-ocr.

只要你的放缩比例合适就ok

from chinese-ocr.

https://github.com/Sierkinhane/crnn_chinese_characters_rec可以看看我的实现，在test.py中

from chinese-ocr.

https://github.com/Sierkinhane/crnn_chinese_characters_rec可以看看我的实现，在test.py中
请问chinese ocr这个的ctpn是使用的ctpn吗，怎么感觉是faster rcnn

from chinese-ocr.

from chinese-ocr.

你好，ctpn是2016年提出的算法，是一种基于目标检测的文字识别网络，在faster的基础上，去掉了roi以及后面的类别和box回归计算，并且在basenet上，faster使用cnn，而ctpn在cnn之后使用rnn和fc来生成预测的anchorbox和类别。这样修改的原因是，ctpn用来处理文本行的提取，使用rnn是为了链接相邻的box，考虑了语义信息，另外，在文本识别任务中，只包含文本和背景两类，因此去掉了faster中的roi层和后续的损失计算。另外，ctpn目前默认只能检测水平文本，修改anchor可以支持垂直文本检查，当前这个repo是我比较早期的项目，很久没有更新过相关文档了，我会在接下来一个月内完成目前文档的更新，并且加入对ctpn，crnn，ctc解码策略的一些解释。 发自我的 iPhone
…
在 2019年2月27日，下午9:27，Chunyu Hao @.***> 写道： https://github.com/Sierkinhane/crnn_chinese_characters_rec可以看看我的实现，在test.py中 请问chinese ocr这个的ctpn是使用的ctpn吗，怎么感觉是faster rcnn — You are receiving this because you were mentioned. Reply to this email directly, view it on GitHub, or mute the thread.

谢谢，会持续关注的

from chinese-ocr.