feature map壓縮是基於什麼狀況決定? pool_size的作用
2019/12/24 上午 10:52
電腦視覺深度學習討論版
周乃森
觀看數：17
回答數：1
收藏數：0
cvdl-1
cvdl-1-d22
1. 請問「高度被壓縮成小於4，8<寬度<20」是基於什麼狀況決定? 講義不是說高度要壓成1，寬度大約為4*2+1=9; 範例程式的寬度是13是否有什麼特別的意義呢?
2. MaxPooling2D(pool_size=(2, 1))(x)的pool_size=(2, 1)的作用是? 因為驗證碼是長方形嗎? 還是為了湊出feature map的size呢? 為了要湊出「2被的字串長+1」嗎?
3. Reshape以符合CTC Loss能否做個解釋?
4. 若須要OCR的Image中的文字數量不一定(EX: 金額位數不一樣)，這樣也能使用這個方式嗎?
labels = Input(name='the_labels', shape=[n_len], dtype='float32') <- 設計model這段程式碼中，shape用list表示，感覺像是可以辨識不固定文字長度的影像
回答列表
-
2019/12/24 上午 11:50楊哲寧贊同數：1不贊同數：0留言數：2
您好，以下會依序解答：
1.首先高度的部分壓成1會比較好理解，就像是把這個寬度的資訊都壓在一起，但怕學員對feature Map的掌控還不太熟悉，因此壓到一定範圍內，再用reshape處理也可。寬度部分其實只要大於9就可，但太大也會影響準確率，所以限制在一定範圍，13沒有特殊意義。
2.是的，只是為了控制寬度。
3.ctc loss input為(batch_size,訊息長度(13),classes)，所以先把CNN輸出轉乘成這個格式。
4.可以的，只要訓練時告訴模型每個字串長度即可。