中文识别率不高问题 about sightseq HOT 20 CLOSED

数据和现在训练使用的模型参数大概是什么？

from sightseq.

densenet121，其他参数基本默认，loss可以下去，但valid data不好，数据的话是一条条中文大写金额

from sightseq.

先把模型换成 densenet_cifar 试一下呢, densenet_cifar 把图片放缩 1/4，densenet121 放缩 1/8。1/8 有时候放缩得太严重了。

from sightseq.

好的，我想再问下，空格是无需打上label吧？

from sightseq.

不需要

from sightseq.

BTW, --height, --width 也要和训练使用的图片保持比例

from sightseq.

thx, 这个之前注意到了，现在在trainning过程中，validation acc就不高 ，真实数据train 2000多张，test200张，densenet121 最好的一次是acc 23%。场景下的训练，不知道大概需要多少量的训练数据

from sightseq.

先换成 densenet_cifar 跑一下。如果 validate 的数据和 train 的差距不大，2000 张感觉也够用训练，transformer 的 mean, std 这个需要改一下

from sightseq.

我之前在你代码基础上加入了多gpu模式可以了，transformer 的 mean, std 是需要做什么样的修改？

from sightseq.

使用 train 的数据的 mean 和 std，小数据集这个还挺关键的. 多 gpu 模式欢迎提 pull request

from sightseq.

不好意思，可能初学不是特别明白，transform 的 mean 和 std 统计的是什么？

from sightseq.

我描述可能不太清楚。是使用的图片的均值和方差, 在 main.py 的这 两行. 图片送进网络模型的时候先经过 transformer 这一步。

可以参考 script 计算均值和方差.

from sightseq.

代码位置我看到了，参考代码也看了下，可以简单理解为 图片像素的均值和方差吗？ 然后现在main中的的mean 和std 是加载 模型自带的值吗

from sightseq.

是的， crnn.py 里面我写了我自己一个数据的 mean 和 std

from sightseq.

嗯，在前面做下归一化，图像预处理部分。如果target 的像素分布和source 相似的话，是有用额

from sightseq.

您这边能否share一个比较好的 图片数据增广的code， 我之前是用了text_render文本生成图片，我还想找适合crnn训练用的, 能给定一个图片，然后通过各种变化生成新图的，传统的图像方法的code，非DCGAN

from sightseq.

我用过这个 https://github.com/mdbloice/Augmentor
这个没用过 https://github.com/aleju/imgaug 但看起来还不错

from sightseq.

Augmentor这个不错，就是没有色彩、对比度这种的变换
第二个用起来比较重

from sightseq.

@peiji1981 不知道你那边结果怎么样？

CTCLoss 官方现在建议更新最新的 pytorch，CTCLoss 实现有 bug, 讨论在 pytorch/pytorch#21392

from sightseq.

造了点数据有一定提升，嗯 我更新下CTCLOSS

from sightseq.