如何将 decode_batch_predictions() 方法添加到 Keras 验证码 OCR 模型中？

Question

当前Keras Captcha OCR modelreturns一个CTC编码输出，需要推理后解码

要对此进行解码，需要运行在推理后将解码效用函数作为一个单独的步骤。

preds = prediction_model.predict(batch_images)
pred_texts = decode_batch_predictions(preds)

解码后的效用函数使用 keras.backend.ctc_decode，后者又使用贪心或波束搜索解码器。

# A utility function to decode the output of the network
def decode_batch_predictions(pred):
    input_len = np.ones(pred.shape[0]) * pred.shape[1]
    # Use greedy search. For complex tasks, you can use beam search
    results = keras.backend.ctc_decode(pred, input_length=input_len, greedy=True)[0][0][
        :, :max_length
    ]
    # Iterate over the results and get back the text
    output_text = []
    for res in results:
        res = tf.strings.reduce_join(num_to_char(res)).numpy().decode("utf-8")
        output_text.append(res)
    return output_text

我想使用 Keras 训练验证码 OCR 模型，returns CTC 解码为输出，推理后不需要额外的解码步骤。

我该如何实现？

Answer 1

你的问题可以有两种解释。一个是：我想要一个神经网络来解决 CTC 解码步骤已经在网络学习内容中的问题。另一个是您想要一个模型 class 在其内部执行此 CTC 解码，而不使用外部功能函数。

我不知道第一个问题的答案。我什至不知道它是否可行。无论如何，这听起来像是一个困难的理论问题，如果您在这里运气不好，您可能想尝试将其发布到 datascience.stackexchange.com，这是一个更注重理论的社区。

现在，如果您要解决的是问题的第二个工程版本，那我可以帮助您。该问题的解决方案如下：

您需要使用您想要的方法将 class keras.models.Model 替换为 class。我浏览了您发布的 link 中的教程，并附带了以下内容 class:

class ModifiedModel(keras.models.Model):
    
    # A utility function to decode the output of the network
    def decode_batch_predictions(self, pred):
        input_len = np.ones(pred.shape[0]) * pred.shape[1]
        # Use greedy search. For complex tasks, you can use beam search
        results = keras.backend.ctc_decode(pred, input_length=input_len, greedy=True)[0][0][
            :, :max_length
        ]
        # Iterate over the results and get back the text
        output_text = []
        for res in results:
            res = tf.strings.reduce_join(num_to_char(res)).numpy().decode("utf-8")
            output_text.append(res)
        return output_text

    
    def predict_texts(self, batch_images):
        preds = self.predict(batch_images)
        return self.decode_batch_predictions(preds)

你可以给它起你想要的名字，这只是为了说明目的。定义此 class 后，您将替换行

# Get the prediction model by extracting layers till the output layer
prediction_model = keras.models.Model(
    model.get_layer(name="image").input, model.get_layer(name="dense2").output
)

和

prediction_model = ModifiedModel(
    model.get_layer(name="image").input, model.get_layer(name="dense2").output
)

然后你可以替换这些行

preds = prediction_model.predict(batch_images)
pred_texts = decode_batch_predictions(preds)

和

pred_texts = prediction_model.predict_texts(batch_images)

Answer 2

实现此目的最可靠的方法是添加一个方法，该方法被称为模型定义的一部分：

def CTCDecoder():
  def decoder(y_pred):
    input_shape = tf.keras.backend.shape(y_pred)
    input_length = tf.ones(shape=input_shape[0]) * tf.keras.backend.cast(
        input_shape[1], 'float32')
    unpadded = tf.keras.backend.ctc_decode(y_pred, input_length)[0][0]
    unpadded_shape = tf.keras.backend.shape(unpadded)
    padded = tf.pad(unpadded,
                    paddings=[[0, 0], [0, input_shape[1] - unpadded_shape[1]]],
                    constant_values=-1)
    return padded

return tf.keras.layers.Lambda(decoder, name='decode')

然后定义模型如下：

prediction_model = keras.models.Model(inputs=inputs, outputs=CTCDecoder()(model.output))

归功于 tulasiram58827。

此实现支持导出到 TFLite，但仅支持 float32。 Quantized (int8) TFLite export 仍然抛出错误，并且是 TF team 的 open ticket。

如何将 decode_batch_predictions() 方法添加到 Keras 验证码 OCR 模型中？

How can I add the decode_batch_predictions() method into the Keras Captcha OCR model?

keras

ocr

decoding

ctc