奇怪的预测输出（OCR CRNN）答案

【问题标题】：Strange prediction's output (OCR CRNN)奇怪的预测输出（OCR CRNN）
【发布时间】：2020-05-19 11:09:07
【问题描述】：

我将 CRNN (CNN+RNN+CTCLoss) 用于我的 OCR。我的数据集是 10000 个图像文本（7000 个训练+有效和 3000 个测试）

例子：

我的架构受到 VGG-16 的启发，我使用了 13 个 conv 层和 3 个双向 LSTM 层，并且我使用了 CTC Loss。这是我的架构（培训）：

这是我的训练结果：批量大小 = 256 纪元 = 50

我不知道为什么，但我的输出只预测了我所有数据集的“p”字符。

我不能把我所有的代码都放在这里，所以你们都可以在这里看到我的代码： https://colab.research.google.com/drive/1Mio5i6ySlSPnSs1o1sc-WpgfYLu9i9iy?usp=sharing

问题：为什么我的预测只是“p”？是因为我的数据集不多还是因为我的架构？以及如何减少我的损失？？？谢谢

【问题讨论】：

【解决方案1】：

如果您使用的是某人的代码，那么请不要忘记在原始帖子中注明。

现在让我们来解决你的问题，

您有 7000 张训练图像，这对于训练具有数百万个参数的模型来说非常少，最重要的是，您的损失约为 19 左右，这非常高。所以你的模型在这次训练中没有学到任何东西。对于这个特殊问题，你的损失应该在 ~ 0.5 左右（我已经在上面的 git repo 中训练了模型，所以根据我的经验我这么说）

由于您的模型具有不同的维度，您将无法使用上述 github 存储库中的预训练权重。所以，有两种可能的方法：

麻烦一些且耗时： 使用合成文本训练您的模型，然后对您的数据集进行微调（同时微调保持您的学习率非常小，因为您不想搞砸一切）
简单： 使用上面 githubb 存储库中的直接模型，并使用您的数据集对其进行微调。为此，首先您必须调整数据集的大小，使其高度小于 128 像素。但我敢肯定，这会带来更好的结果！

训练愉快:)

【讨论】：