TensorFlow Attention OCR モデルの変換¶
危険
ここで説明されているコードは非推奨になりました。従来のソリューションの適用を避けるため使用しないでください。下位互換性を確保するためにしばらく保持されますが、最新のアプリケーションでは使用してはなりません。
このガイドでは、非推奨となった変換方法について説明します。新しい推奨方法に関するガイドは、Python チュートリアルに記載されています。
このチュートリアルでは、アテンション OCR (AOCR) モデルを TensorFlow Attention OCR リポジトリーから中間表現 (IR) に変換する方法を説明します。
aocr ライブラリーからモデルを抽出¶
AOCR モデルを取得するには、aocr Python ライブラリーをダウンロードします。
pip install git+https://github.com/emedvedev/attention-ocr.git@master#egg=aocrこのライブラリーには事前トレーニングされたモデルが含まれており、コマンドラインから AOCR をトレーニングおよび実行できます。aocr のインストール後、モデルを抽出します。
aocr export --format=frozengraph model/path/抽出すると、モデルは model/path/ フォルダーに作成されます。
TensorFlow AOCR モデルを IR に変換¶
元の AOCR モデルには、以下を含む前処理データが含まれています。
入力データが文字列として表される画像バイナリー形式にデコードします。
バイナリー画像のサイズをワーク解像度に変更します。
サイズ変更された画像は畳み込みニューラル・ネットワーク (CNN) に送信されます。モデル変換 API は画像のデコードをサポートしていないため、input コマンドライン・パラメーターを使用してモデルの前処理部分をカットする必要があります。
mo \ --input_model=model/path/frozen_graph.pb \ --input="map/TensorArrayStack/TensorArrayGatherV3:0[1,32,86,1]" \ --output "transpose_1,transpose_2" \ --output_dir path/to/ir/説明:
map/TensorArrayStack/TensorArrayGatherV3:0[1 32 86 1]- 前処理後にテンソルを生成するノードの名前。transpose_1- 予測された文字を含むテンソルを生成するノードの名前。transpose_2- 予測された文字確率を含むテンソルを生成するノードの名前。