Computer vision 输出时的适当激活功能和损耗功能，以优化OCR？

我正在尝试制作一个CNN模型（有多人手写的文字图像，目标是图像中的文本）。因此，我可以将单词编码为数字（A=0，B=1，等等，表示大写、小写和标点符号）。但是，在

tensforflow.keras

中，我无法完全决定使用什么样的损失来解决这个问题

我在GitHub的一些存储库中发现了一个叫做CTC丢失的东西。但是，ctc损耗与softmax一起用作最终致密层的活化。由于softmax为每个类别输出的概率总和为1；所以，我假设softmax不能同时输出两个“o”的概率

---

那么，对于这样的问题，我可以使用哪些适当的激活和丢失函数？

softmax分别应用于每个文本位置，因此输出两个“o”是没有问题的。事实上，CTC非常适合文本识别，而您的方法无法处理不在训练集中的单词，而CTC能够做到这一点，只要它看到了单词的所有字符。下面是我写的关于CTC的简短介绍：对于每个位置，softmax都会输出字母属于某个类的概率。那么，既然每个类只有一个神经元，softmax将如何为两个“o”输出两个单独的概率。我仍然无法理解这将如何发生。感谢链接到关于损失函数的文章，我将阅读它。每个类有一个输出（例如“a”、“b”、…），但重复T次，并且softmax应用于每个时间步（因此，对于1…T中的每个T），因此对于每个时间步，字符概率总和为1。有关详细信息，请参见链接，如图3.1。什么定义（或应该是什么定义）用于训练的RNN块的时间步数？这在某种程度上是速度和识别长单词能力之间的折衷，例如，请参阅：它有32个时间步，因此非常适合单词识别，而它太小，无法读取完整的文本行。