text-recognition-0014#

ユースケースと概要説明#

これはテキスト認識シナリオのためのネットワークです。ResNext101 のようなバックボーン (ステージ-1-2) と双方向 LSTM エンコーダー/デコーダーで構成されます。ネットワークは、大文字と小文字を区別しない英数字テキスト (36 個の固有の記号) を認識できます。

例#

-> openvino

仕様#

入力#

画像、名前: imgs、形状: 1, 1, 32, 128、形式: B, C, H, W、ここで:

• B - バッチサイズ

• C - チャネル数

• H - 画像の髙さ

• W - 画像の幅

ソース画像は、グレースケールに変換されて検出されたテキストに合わせてトリミングされる必要があることに注意してください。

出力#

モデルは、形状: 16, 1, 37、形式: W, B, L の最終出力ブロブを logits という名前で出力します。ここで:

• W - 出力シーケンス長

• B - バッチサイズ

• L - 英数字全体の信頼度分布 シンボル: #0123456789abcdefghijklmnopqrstuvwxyz、ここで、# は CTC デコード・アルゴリズム用の特殊な空白文字。

ネットワーク出力は、CTC Greedy Decoder または CTC Beam Search デコーダーによってデコードできます。

テキスト検出のデモ#

モデルは、テキスト検出 C++ デモでサポートされています。デモでこのモデルを使用するには、ユーザーは次のオプションを渡す必要があります:

 -m_tr_ss "0123456789abcdefghijklmnopqrstuvwxyz"、特殊記号 `#` は使用しないでください。-tr_pt_first -tr_o_blb_nm "logits"

詳細は、デモのドキュメントを参照してください。

デモの使い方#

このモデルは、Open Model Zoo が提供する次のデモで使用して、その機能を示します:

• テキスト検出 C++ デモ

法務上の注意書き#

* その他の社名、製品名などは、一般に各社の表示、商標または登録商標です。