Caffe下CRNN训练自己的数据

最新推荐文章于 2024-09-24 21:04:58 发布

m_buddy

最新推荐文章于 2024-09-24 21:04:58 发布

阅读量4.7k

点赞数

CC 4.0 BY-SA版权

分类专栏： Caffe 文章标签： Caffe CRNN

本文链接：https://blog.youkuaiyun.com/m_buddy/article/details/81464127

Caffe 专栏收录该内容

24 篇文章

订阅专栏

本文介绍如何使用CRNN进行文本识别的训练过程及部署方法，包括数据准备、网络配置调整、训练代码示例及预测流程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

所用代码地址：crnn.caffe

1. 数据准备

1.1 图像数据准备

这里需要将图像数据统一转换到12832（宽度高度）上来，当然也可以更改为其它类型的长度，这里只是使用了该尺寸。

1.2 Label数据准备

Label数据是与图像数据对应的数据，其中包含了图像中的具体字符数据。在制作label数据的时候需要将不同的字符转换到不同的数字标号上来，这里需要将字符映射表的最后一位设置为“_blank_”。这里还需要注意的是Label的长度应该和最大label的长度对应否则会超过label的表示范围。

2. 修改crnn.prototxt

这里首先假设需要的分类数目为N，再加上背景那么就是N+1类。所以就要在CRNN中首先就要修改的便是：

layer {
  name: "fc1"
  type: "InnerProduct"
  bottom: "drop1"
  top: "fc1"
  param {
    lr_mult: 1
    decay_mult: 1
  }
  param {
    lr_mult: 2
    decay_mult: 0
  }
  inner_product_param {
    num_output: N+1
	axis: 2
    weight_filler {
      type: "xavier"
    }
    bias_filler {
      type: "constant"
      value: 0
    }
  }
}

还有

layer {
	name: "ctc_loss"
	type: "CtcLoss"
	bottom: "fc1"
	bottom: "label"
	top: "ctc_loss"
	loss_weight: 1.0
	ctc_loss_param {
		blank_label: N
		alphabet_size: N+1
    	time_step: 32
	}
}

还有精度层

layer {
  name: "accuracy"
  type: "LabelsequenceAccuracy"
  bottom: "premuted_fc"
  bottom: "label"
  top: "accuracy"
  labelsequence_accuracy_param {
    blank_label: N
  }
}

其中还需要修改的便是time_step的值，也就是CRNN中的帧率。将time_step都设置为32，因为我们的输入图像宽度为128。
修改reshape层

layer {
    name: "reshape"
    type: "Reshape"
    bottom: "conv6"
    top: "reshape"
    reshape_param {
        shape {
        #n*c*(w*h)
            dim: 64
            dim: 512
            dim: 32
        }
    }
}

这里的batch_size为64，所以也需要修改前面的data层。

3. 开始训练网络

训练用的代码

# -*- coding=utf-8 -*-
import numpy as np
import sys
sys.path.append('~/Desktop/crnn.caffe/python')
import caffe

# training
caffe.set_device(2)
caffe.set_mode_gpu()
solver = caffe.SGDSolver('solver.prototxt')

net = solver.net

print net.blobs['label'].data[0].shape

iter_nums = 100000

for _ in range(iter_nums):
    solver.step(1)

在这里需要注意solver参数的选择，否则会出现不收敛的情况-_-||，这也算是一个坑吧…

4. 预测结果

deploy文件就自己生成了哈，也记得修改其中的batch_size…

# -*- coding=utf-8 -*-
import sys
sys.path.append('~/Desktop/crnn.caffe/python')
import caffe

from PIL import Image
import numpy as np

model_file = './snapshot/_iter_60000.caffemodel'
deploy_file = 'crnn_deploy.prototxt'
test_img = '2.jpg'

# set device
caffe.set_device(2)
caffe.set_mode_gpu()

# load model
net = caffe.Net(deploy_file, model_file, caffe.TEST)

# load test img
img = Image.open(test_img)
img = img.resize((128, 32), Image.ANTIALIAS)
in_ = np.array(img, dtype=np.float32)
in_ = in_[:,:,::-1]
in_ = in_.transpose((2,0,1))

# 执行上面设置的图片预处理操作，并将图片载入到blob中
# shape for input (data blob is N x C x H x W), set data
net.blobs['data'].reshape(1, *in_.shape)
net.blobs['data'].data[...] = in_

# run net
net.forward()

# get result
res = net.blobs['probs'].data

print('result shape is:', res.shape)

# 取出标签文档
char_set = []
with open('label.txt', 'r') as f:
    line = f.readline()
    while line:
        line = line.strip('\n\r')
        # print(line)
        char_set.append(str(line))
        line = f.readline()


# 取出最多可能的label标签
for i in range(32):
    data = res[i, :, :]
    index = np.argmax(data)
    #print(index, data[0, index])
    print(char_set[index])