基于视觉注意的张量流光学字符识别模型。
aocr的Python项目详细描述
#基于注意的ocr
用于图像识别的基于视觉注意的ocr模型，以及用于创建tfrecords数据集和将训练后的模型导出为[保存的模型]（https://www.tensorflow.org/api-docs/python/tf/saved-model）或冻结图的附加工具。
##致谢
本项目基于[qi guo]和[yuntian deng]的模型（https://github.com/da03）。您可以在[DA03/Attention OCR]存储库（https://github.com/da03/attention-ocr）中找到原始模型。
\高度32，同时保持纵横比）。然后一个LSTM被堆在CNN的上面。最后，注意模型被用作产生最终输出的解码器。
！[ocr示例]（http://cs.cmu.edu/~yuntiand/ocr-2.jpg）
附加的依赖项是"pil `/'should`"、"distance"和"six"。
您需要一组图像和一个带有各自标签的注释文件。
```
aocr数据集./datasets/annotations-training.txt./datasets/training.tfrecords
aocr数据集./datasets/annotations-testing.txt./datasets/testing.tfrecords
```
包含图像路径（绝对或相对于工作目录）及其相应标签的简单文本文件：
```
datasets/images/hello.jpg hello
datasets/images/world.jpg world
````
./datasets/training.tfrecords
```
注意，要达到一致需要相当长的时间，因为我们同时训练CNN和注意力模型。
`--steps per checkpoint`参数确定保存模型检查点的频率（默认输出目录是'checkpoints/`）。
**重要：**有很多可用的训练选项。请参阅cli帮助或本自述文件的"参数"部分。
\您可以可视化测试期间的注意力结果（默认保存为"out/"）：
````
aocr测试--可视化./datasets/testing.tfrecords
````
示例输出"results/correct"中的图像：
image 0（j/j）：
！[示例图像0]（http://cs.cmu.edu/~yuntiand/2evaluation_data_icdar13_images_370.png/image_0.jpg）
image 1（u/u）：
！[示例图像1]（http://cs.cmu.edu/~yuntiand/2evaluation_data_icdar13_images_370.png/image_1.jpg）
图像2（n/n）：
！[示例图像2]（http://cs.cmu.edu/~yuntiand/2evaluation_data_icdar13_images_370.png/image_2.jpg）
图像3（g/g）：
！[示例图像3]（http://cs.cmu.edu/~yuntiand/2evaluation_data_icdar13_images_370.png/image_3.jpg）
图像4（l/l）：
！[示例图像4]（http://cs.cmu.edu/~yuntiand/2evaluation_data_icdar13_images_370.png/image_4.jpg）
图像5（e/e）：
！[示例图像5]（http://cs.cmu.edu/~yuntiand/2evaluation_data_icdar13_images_word_370.png/image_5.jpg）
它可以导出为冻结图或保存模型。
``bash
将模型放入`./exported model`目录中。
使用[tensorflow service]的tp rest api（https://github.com/tensorflow/service）。可以通过运行以下命令启动服务器：
```
tensorflow_model_server--port=9000--rest_api_port=9001--model_name=yourmodelname--model_base_path=。/导出的model
````
**注意**：tensorflow_model_server需要一个子目录，其版本号为显示上一步中导出的文件并将其放在其中。因此，您需要手动将"导出模型"的内容移动到"导出模型/1"。
例如：
```
curl-x post\
http://localhost:9001/v1/models/aocr:predict\
-h'缓存控制：无缓存'\
-h'内容类型：application/json'\
-d'{
"签名名称"："服务于默认值"，
"输入"：{
"输入"：{"b64"："<；编码为base64>；"}
}
}
}
```
将训练数据集放入google云存储桶中，并使用"gcloud"工具开始一项训练工作。
1。设置环境变量：
```
gs_bucket="gs://aocr bucket"
上传训练数据集：
```
gsutil cp./datasets/training.tfrecords$gs_bucket/$dataset_upload_path
```
>3。启动ml引擎作业：
```
立即导出=$（日期+%y%m%d%h%m%s）
导出作业=$job前缀$now"
导出作业目录=$gs_bucket/$job名称"
gcloud ml引擎作业提交培训$job名称\
--作业目录=$job_目录\
--模块名称=aocr \
--包路径=aocr \
--region=$region \
--scale tier=basic\u gpu \
--运行时版本=1.2 \
--br/>train$gs\u bucket/$dataset\u upload\u path \
--每个检查点的步数=500 \
--批处理大小=512 \
--num epoch=20
`````
##参数
*`日志路径`：日志文件的路径。
*`格式`：导出的格式格式（savedmodel或frofrozenggraph`）.
` ``可视化` `：输出原始图像上的注意地图。
###training
*`steps per checkpoint`:checkpoint（打印困惑，保存模型）每多少步
*`num epoch`：整个数据通过的次数。
*`batch size`：batch size。
*`initial learning rate`：initial learning rate，注意我们使用的是adadelta，所以初始值无关紧要。
*`target embedding size`：每个目标的嵌入维度。
*`attn num hidden`：注意解码器单元中的隐藏单元数。
*`attn num layers`：注意解码器单元中的层数。（隐藏单元的编码器编号将为"attn num hidden"*"attn num layers"）。
*"no resume"：即使存在检查点，也创建新权重。
*"max gradient norm"：将渐变剪裁到此norm。
*"no gradient clipping"：不执行渐变剪裁。
*"gpu id"：gpu to使用。
*`use gru`：使用gru单元格而不是lstm。
*`max width`：输入图像的最大宽度。警告：宽度大于最大值的图像将被丢弃。
*`max height`：输入图像的最大高度。
*`max prediction`：最大长度预测单词/短语的第个。
ocr）（https://github.com/da03/torch attention ocr）
用于图像识别的基于视觉注意的ocr模型，以及用于创建tfrecords数据集和将训练后的模型导出为[保存的模型]（https://www.tensorflow.org/api-docs/python/tf/saved-model）或冻结图的附加工具。
##致谢
本项目基于[qi guo]和[yuntian deng]的模型（https://github.com/da03）。您可以在[DA03/Attention OCR]存储库（https://github.com/da03/attention-ocr）中找到原始模型。
\高度32，同时保持纵横比）。然后一个LSTM被堆在CNN的上面。最后，注意模型被用作产生最终输出的解码器。
！[ocr示例]（http://cs.cmu.edu/~yuntiand/ocr-2.jpg）
附加的依赖项是"pil `/'should`"、"distance"和"six"。
您需要一组图像和一个带有各自标签的注释文件。
```
aocr数据集./datasets/annotations-training.txt./datasets/training.tfrecords
aocr数据集./datasets/annotations-testing.txt./datasets/testing.tfrecords
```
包含图像路径（绝对或相对于工作目录）及其相应标签的简单文本文件：
```
datasets/images/hello.jpg hello
datasets/images/world.jpg world
````
./datasets/training.tfrecords
```
注意，要达到一致需要相当长的时间，因为我们同时训练CNN和注意力模型。
`--steps per checkpoint`参数确定保存模型检查点的频率（默认输出目录是'checkpoints/`）。
**重要：**有很多可用的训练选项。请参阅cli帮助或本自述文件的"参数"部分。
\您可以可视化测试期间的注意力结果（默认保存为"out/"）：
````
aocr测试--可视化./datasets/testing.tfrecords
````
示例输出"results/correct"中的图像：
image 0（j/j）：
！[示例图像0]（http://cs.cmu.edu/~yuntiand/2evaluation_data_icdar13_images_370.png/image_0.jpg）
image 1（u/u）：
！[示例图像1]（http://cs.cmu.edu/~yuntiand/2evaluation_data_icdar13_images_370.png/image_1.jpg）
图像2（n/n）：
！[示例图像2]（http://cs.cmu.edu/~yuntiand/2evaluation_data_icdar13_images_370.png/image_2.jpg）
图像3（g/g）：
！[示例图像3]（http://cs.cmu.edu/~yuntiand/2evaluation_data_icdar13_images_370.png/image_3.jpg）
图像4（l/l）：
！[示例图像4]（http://cs.cmu.edu/~yuntiand/2evaluation_data_icdar13_images_370.png/image_4.jpg）
图像5（e/e）：
！[示例图像5]（http://cs.cmu.edu/~yuntiand/2evaluation_data_icdar13_images_word_370.png/image_5.jpg）
它可以导出为冻结图或保存模型。
``bash
将模型放入`./exported model`目录中。
使用[tensorflow service]的tp rest api（https://github.com/tensorflow/service）。可以通过运行以下命令启动服务器：
```
tensorflow_model_server--port=9000--rest_api_port=9001--model_name=yourmodelname--model_base_path=。/导出的model
````
**注意**：tensorflow_model_server需要一个子目录，其版本号为显示上一步中导出的文件并将其放在其中。因此，您需要手动将"导出模型"的内容移动到"导出模型/1"。
例如：
```
curl-x post\
http://localhost:9001/v1/models/aocr:predict\
-h'缓存控制：无缓存'\
-h'内容类型：application/json'\
-d'{
"签名名称"："服务于默认值"，
"输入"：{
"输入"：{"b64"："<；编码为base64>；"}
}
}
}
```
将训练数据集放入google云存储桶中，并使用"gcloud"工具开始一项训练工作。
1。设置环境变量：
```
gs_bucket="gs://aocr bucket"
上传训练数据集：
```
gsutil cp./datasets/training.tfrecords$gs_bucket/$dataset_upload_path
```
>3。启动ml引擎作业：
```
立即导出=$（日期+%y%m%d%h%m%s）
导出作业=$job前缀$now"
导出作业目录=$gs_bucket/$job名称"
gcloud ml引擎作业提交培训$job名称\
--作业目录=$job_目录\
--模块名称=aocr \
--包路径=aocr \
--region=$region \
--scale tier=basic\u gpu \
--运行时版本=1.2 \
--br/>train$gs\u bucket/$dataset\u upload\u path \
--每个检查点的步数=500 \
--批处理大小=512 \
--num epoch=20
`````
##参数
*`日志路径`：日志文件的路径。
*`格式`：导出的格式格式（savedmodel或frofrozenggraph`）.
` ``可视化` `：输出原始图像上的注意地图。
###training
*`steps per checkpoint`:checkpoint（打印困惑，保存模型）每多少步
*`num epoch`：整个数据通过的次数。
*`batch size`：batch size。
*`initial learning rate`：initial learning rate，注意我们使用的是adadelta，所以初始值无关紧要。
*`target embedding size`：每个目标的嵌入维度。
*`attn num hidden`：注意解码器单元中的隐藏单元数。
*`attn num layers`：注意解码器单元中的层数。（隐藏单元的编码器编号将为"attn num hidden"*"attn num layers"）。
*"no resume"：即使存在检查点，也创建新权重。
*"max gradient norm"：将渐变剪裁到此norm。
*"no gradient clipping"：不执行渐变剪裁。
*"gpu id"：gpu to使用。
*`use gru`：使用gru单元格而不是lstm。
*`max width`：输入图像的最大宽度。警告：宽度大于最大值的图像将被丢弃。
*`max height`：输入图像的最大高度。
*`max prediction`：最大长度预测单词/短语的第个。
ocr）（https://github.com/da03/torch attention ocr）
欢迎加入QQ群-->： 979659372
