如何使用 Keras OCR 示例推断新图像？答案

【问题标题】：How can I use Keras OCR example to inference a new image?如何使用 Keras OCR 示例推断新图像？
【发布时间】：2018-11-29 09:02:23
【问题描述】：

我正在尝试实现 Keras 的 OCR 项目。所以我尝试向Keras OCR example学习。我使用自己的训练数据来训练新模型并获取 .H5 模型文件。现在我想测试一个新图像以查看我的模型性能，所以我编写了一个 test.py 像这样：

from keras.models import Model
import cv2
from keras.preprocessing.image import img_to_array
import numpy as np
from keras.models import load_model
from keras import backend as K
from allNumList import alphabet

def labels_to_text(labels):
    ret = []
    for c in labels:
        if c == len(alphabet):  # CTC Blank
            ret.append("")
        else:
            ret.append(alphabet[c])
    return "".join(ret)

def decode_predict_ctc(out, top_paths = 1):
    results = []
    beam_width = 5
    if beam_width < top_paths:
      beam_width = top_paths
    for i in range(top_paths):
      lables = K.get_value(K.ctc_decode(out, input_length=np.ones(out.shape[0])*out.shape[1],
                           greedy=False, beam_width=beam_width, top_paths=top_paths)[0][i])[0]
      text = labels_to_text(lables)
      results.append(text)
    return results

def test(modelPath,testPicTest):
    img=cv2.imread(testPicTest)
    img=cv2.resize(img,(128,64))
    img=img_to_array(img)
    img=np.array(img,dtype='float')/255.0
    img=np.expand_dims(img, axis=0)
    img=img.swapaxes(1,2)   

    model=load_model(modelPath,custom_objects = {'<lambda>': lambda y_true, y_pred: y_pred})
    net_out_value = model.predict(img)
    top_pred_texts = decode_predict_ctc(net_out_value)
    return top_pred_texts

result=test(r'D:\code\testAndExperiment\py\KerasOcr\weights.h5',r'D:\code\testAndExperiment\py\KerasOcr\test\avo.jpg') 
print(result)

但我收到这样的错误：

Error when checking model input: the list of Numpy arrays that you are passing to your model is not the size the model expected. Expected to see 4 array(s), but instead got the following list of 1 arrays: [array([[[[1., 1., 1.],          [1., 1., 1.],          [1., 1., 1.],          ...,          [1., 1., 1.],          [1., 1., 1.],          [1., 1., 1.]],          [[1., 1., 1.],          [1., 1., 1.],...

我参考了一些资料：
https://stackoverflow.com/a/49537697/10689350
https://www.dlology.com/blog/how-to-train-a-keras-model-to-recognize-variable-length-text/
How to predict the results for OCR using keras image_ocr example?

一些答案表明我们应该在训练中使用 4 个输入 [input_data, labels, input_length, label_length] 但除了 input_data 之外，其他一切都是仅用于计算损失的信息，所以在测试中可能使用 input_data 就足够了。所以我只使用一张图片没有labels, input_length, label_length。但是我得到了上面的错误。

我对模型在测试中需要 4 个输入还是 1 个输入感到困惑？
在测试过程中要求 4 个输入似乎不太合理。现在我有了 model.h5，接下来我该怎么办？
提前致谢。

我的代码在这里：https://github.com/hqabcxyxz/KerasOCR/tree/master

【问题讨论】：

如果您询问模型的输入应该是什么，您应该包括您的模型。
我已经push了我的github，这里是链接：github.com/hqabcxyxz/KerasOCR/tree/master谢谢提醒
你看到this answer了吗？我相信它可以解决您的问题。

标签： python tensorflow keras ocr rnn

【解决方案1】：

也许我知道为什么。因为在 OCR 示例中，我们制作了一个 lambda 层来计算 CTC 损失。这个层需要 4 个输入！正确的测试方法是在推理过程中制作一个没有这个lambda层的模型。然后按名称加载模型权重进行推理。得到推理结果后，只需使用CTC解码即可！我稍后会在github更新我的代码.....

【讨论】：