keras - 如何将 decode_batch_predictions() 方法添加到 Keras Captcha OCR 模型中？

Question

当前Keras Captcha OCR model返回一个 CTC 编码的输出，需要在推理后解码。
要对此进行解码，需要在推理后作为单独的步骤运行解码效用函数。

preds = prediction_model.predict(batch_images)
pred_texts = decode_batch_predictions(preds)

解码的效用函数使用 keras.backend.ctc_decode ，它反过来使用贪婪或波束搜索解码器。

# A utility function to decode the output of the network
def decode_batch_predictions(pred):
    input_len = np.ones(pred.shape[0]) * pred.shape[1]
    # Use greedy search. For complex tasks, you can use beam search
    results = keras.backend.ctc_decode(pred, input_length=input_len, greedy=True)[0][0][
        :, :max_length
    ]
    # Iterate over the results and get back the text
    output_text = []
    for res in results:
        res = tf.strings.reduce_join(num_to_char(res)).numpy().decode("utf-8")
        output_text.append(res)
    return output_text

我想使用 Keras 训练 Captcha OCR 模型，该模型返回解码为输出的 CTC，推理后不需要额外的解码步骤。
我将如何实现这一目标？

Answer 1

你的问题可以有两种解释。一个是:我想要一个神经网络来解决一个问题，即 CTC 解码步骤已经在网络学到的东西中。另一个是您希望有一个 Model 类在其中执行此 CTC 解码，而不使用外部功能函数。
我不知道第一个问题的答案。我什至无法判断它是否可行。在任何情况下，这听起来都是一个困难的理论问题，如果您在这里没有运气，您可能想尝试将其发布在 datascience.stackexchange.com 中。 ，这是一个更加以理论为导向的社区。
现在，如果您要解决的是问题的第二个工程版本，那么我可以为您提供帮助。该问题的解决方案如下:
您需要子类化 keras.models.Model使用带有您想要的方法的类。我浏览了您发布的链接中的教程，并提供了以下类(class):

class ModifiedModel(keras.models.Model):
    
    # A utility function to decode the output of the network
    def decode_batch_predictions(self, pred):
        input_len = np.ones(pred.shape[0]) * pred.shape[1]
        # Use greedy search. For complex tasks, you can use beam search
        results = keras.backend.ctc_decode(pred, input_length=input_len, greedy=True)[0][0][
            :, :max_length
        ]
        # Iterate over the results and get back the text
        output_text = []
        for res in results:
            res = tf.strings.reduce_join(num_to_char(res)).numpy().decode("utf-8")
            output_text.append(res)
        return output_text

    
    def predict_texts(self, batch_images):
        preds = self.predict(batch_images)
        return self.decode_batch_predictions(preds)

你可以给它取你想要的名字，这只是为了说明目的。
定义此类后，您将替换该行

# Get the prediction model by extracting layers till the output layer
prediction_model = keras.models.Model(
    model.get_layer(name="image").input, model.get_layer(name="dense2").output
)

和

prediction_model = ModifiedModel(
    model.get_layer(name="image").input, model.get_layer(name="dense2").output
)

然后你可以替换线条

preds = prediction_model.predict(batch_images)
pred_texts = decode_batch_predictions(preds)

和

pred_texts = prediction_model.predict_texts(batch_images)