不同大小的图片不能一起训练，导致模型泛化能力很弱 about captcha_break HOT 9 OPEN

你可以使用 cv2.resize 转换图片尺寸，使其高度一致，宽度是可变的，不影响精度。

from captcha_break.

你可以使用 cv2.resize 转换图片尺寸，使其高度一致，宽度是可变的，不影响精度。

谢谢，确实有效

from captcha_break.

大神 请问下 您说的cv2.resize 转换图片尺寸，使其高度一致，宽度是可变的，不影响精度
那宽度一致的情况的情况下 在__getitem__里面
在 ctc_2019里面 看大神的代码是X = np.zeros((self.batch_size, self.height, self.width, 3), dtype=np.float32) 那这个宽度是动态变化的吗 还是填充0呢?

from captcha_break.

固定的，generator生成的时候已经设置了固定的width

from captcha_break.

哈哈哈 我是想问自定义数据的 我觉得我应该是解决了 我是直接填充的0
还有个问题大神 如果验证码长度是 4 5 6这样不定长的 我需要怎么设置训练代码呢

from captcha_break.

哈哈哈 我是想问自定义数据的 我觉得我应该是解决了 我是直接填充的0 还有个问题大神 如果验证码长度是 4 5 6这样不定长的 我需要怎么设置训练代码呢

图片填充0是可以的，然后input_length需要按照图片卷积出来的特征图宽度去调整。

标签方面，target_length也需要根据实际情况调整。

from captcha_break.

我现在是设置的通用大小是150*30 我把高度统一设置为30 长度不足150的都填充0了 input_length 我好像用的默认的 没有特别设置的好像精度也能到99%
然后第二个问题 target_length 我需要根据什么情况设置呢 大神能稍微详细说一下吗

from captcha_break.

我现在是设置的通用大小是150*30 我把高度统一设置为30 长度不足150的都填充0了 input_length 我好像用的默认的 没有特别设置的好像精度也能到99%

target_length 就是标签长度，比如：

123
abcd
1111111

target_length = [3, 4, 7]

from captcha_break.

我现在是设置的通用大小是150*30 我把高度统一设置为30 长度不足150的都填充0了 input_length 我好像用的默认的 没有特别设置的好像精度也能到99%

target_length 就是标签长度，比如：

123
abcd
1111111

target_length = [3, 4, 7]

我当时这么猜测的 验证了也确实是这个 万分感谢大神啦 哈哈哈哈哈哈

from captcha_break.