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:synth90k数据集上的tensorflow注意力ocr,tensorflow,ocr,Tensorflow,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
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
'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)