在 iOS 上实现 TensorFlow Attention OCR

Posted 2023-04-17

【中文标题】在 iOS 上实现 TensorFlow Attention OCR

【英文标题】：Implementing TensorFlow Attention OCR on iOS

【发布时间】：2017-12-12 21:25:38

【问题描述】：

我已成功训练（使用 Inception V3 权重作为初始化）此处描述的 Attention OCR 模型：https://github.com/tensorflow/models/tree/master/attention_ocr 并将生成的检查点文件冻结为图表。这个网络如何在 ios 上使用 C++ API 实现？

提前谢谢你。

【问题讨论】：

machinethink.net/blog/tensorflow-on-ios 中的说明是一个好的起点吗？

【参考方案1】：

根据其他人的建议，您可以使用一些现有的 iOS 演示（1、2）作为起点，但请密切注意以下细节：

确保使用正确的工具来“冻结”模型。 SavedModel 是 Tensorflow 模型的通用序列化格式。 模型导出脚本通常可以进行某种输入规范化。请注意，Model.create_base 函数需要一个形状为 [batch_size, height, width, channels] 的 tf.float32 张量，其值归一化为[-1.25, 1.25]。如果您将图像归一化作为 TensorFlow 计算图的一部分，请确保图像未归一化，反之亦然。

要获取输入/输出张量的名称，您可以简单地打印它们，例如在您的导出脚本中的某处：

data_images = tf.placeholder(dtype=tf.float32, shape=[batch_size, height, width, channels], name='normalized_input_images')
endpoints = model.create_base(data_images, labels_one_hot=None)
print(data_images, endpoints.predicted_chars, endpoints.predicted_scores)

【讨论】：

感谢您的回复，亚历山大。然而，我对如何将输入图像输入网络有点困惑。我看到“拆分”节点接受大小为 32x150x600x3 的张量，然后将其拆分为四个张量并输入 Inception 特征提取器。假设我有一个输入图像，我应该使用哪个节点作为输入？此外，如何使用单个输入图像获得 32 的批量大小？

如果您只有一个视图，请指定 num_views=1 作为模型构造函数的参数。因此，您仍然可以使用答案中的代码 sn-p 并将图像输入 data_images 张量（打印语句将显示名称）。但请注意，您需要使用与培训相同数量的视图。如果您使用了 4 个视图并且需要使用单个视图进行测试，则需要使用随机噪声填充单个 1500x150 视图，类似于对训练数据所做的。