synth90k数据集上的tensorflow注意力ocr

我想用Synth 90k测试集评估attention ocr模型。问题是评估结果很差，只报告了0.1个字符的精度。似乎每个输入图像模型的输出都与FSNS数据集有关：

以下是使用此命令运行eval.py脚本时的输入和输出值列表：

python eval.py --split_name test --train_log_dir attention_ocr_2017_05_17 --dataset_name synth90k --num_batches 10

• 弹劾：周州街
• 诱惑：刘泰顿街
• 潜行：卢厄街

以下是一些实施细节：

我用Synth90k测试子集中的10个示例创建了tfrecord。此外，我还创建了charset_synth90k.txt文件，其中包含字符编码（与fsns charset_size=134.txt的内容相同）

这是我的synth90k.py数据集文件（仅包括更改的行）：

默认的_DATASET_DIR=os.path.join（os.path.dirname（文件），'synth90k'）

默认配置={

'name'：'synth90k'

“分裂”：{

   'test': {
       'size': 10,
       'pattern': 'synth90k_test*.tfrecord'
   }

},

'charset_filename'：'charset_synth90k.txt'

“图像形状”：（31200,3）

“视图数”：1

“最大序列长度”：37

“空代码”：133

}

---

注意力OCR模型仅使用FSNS训练数据集进行训练，它仅适用于看起来或多或少类似于法国街道名称的图像。为了将其应用于来自不同发行版的图像，您需要使用来自该发行版的图像对其进行重新训练（或至少微调）。

注意力OCR模型仅使用FSNS火车数据集进行训练，并且仅适用于看起来或多或少类似于法国街道名称的图像。为了将其应用于来自不同发行版的图像，您需要使用来自该发行版的图像重新训练（或至少微调）