CTPN/CRNN的OCR自然场景文字识别理解（二）

CRNN 1) 端到端可训练（把CNN和RNN联合训练） 2) 任意长度的输入（图像宽度任意，单词长度任意） 3) 训练集无需有字符的标定 4) 带字典和不带字典的库（样本）都可以使用 5) 性能好，而且模型小（参数少） 网络结构 架构包括三部分： 1) 卷积层，从输入图像中提取特征序列； 2) 循环层，预测每一帧的标签分布； 3) 转录层，将每一帧的预测变为最终的标签序列。 在CRNN的底部，卷

>>阅读原文<<