Tensorflow 用于字符识别的ROI池层

试图理解LP识别

三个ROI池层用于7个分类器

第一个是省，第二个是字母表，其余是五个字母数字字符。 平板样品为中国LP

我很困惑这七个分类器是如何知道要识别的车牌的各个部分的

因为所有七个分类器都使用相同的级联三个ROI池特性，如下所示

roi1 = roi_pooling_ims(_x1, boxNew.mm(p1), size=(16, 8))
roi2 = roi_pooling_ims(_x3, boxNew.mm(p2), size=(16, 8))
roi3 = roi_pooling_ims(_x5, boxNew.mm(p3), size=(16, 8))
rois = torch.cat((roi1, roi2, roi3), 1)
_rois = rois.view(rois.size(0), -1)

y0 = self.classifier1(_rois)
y1 = self.classifier2(_rois)
y2 = self.classifier3(_rois)
y3 = self.classifier4(_rois)
y4 = self.classifier5(_rois)
y5 = self.classifier6(_rois)
y6 = self.classifier7(_rois)

---

我还没有看过文件或代码，但我想损失函数将是一个“强迫”模型在y0和类似的地方查看省的函数。只要损失函数在没有给出A的情况下惩罚y0，它就应该自己知道在哪里进行look@juvian这意味着我们在训练时需要小心，不要训练重复的数字或字母。好吧，如果第一次训练样本都有相同的字符，那就不好了是的，但我怀疑你需要注意不要使用它们。毕竟，当你试图识别一个真正的盘子时，它可能会重复。