FSNSデータセットと同じフォーマットのデータセットを作成する方法

Question

私はTensorFlowに基づいてこのprojectに取り組んでいます。

自分のデータセットに基づいてattention_ocrでOCRモデルを訓練したいだけですが、自分のイメージと基本的な真理をFSNSデータセットと同じ形式で保存する方法はわかりません。

は誰もがこのプロジェクトに取り組むか、この問題を解決する方法を知っているです： - ？D

Answer 1

トレーニング/テストを格納するためのデータ形式は、のFSN紙https://arxiv.org/pdf/1702.03970.pdf（表4）で定義されています。

tf.Example protoでtfrecordファイルを保存するには、tf.python_io.TFRecordWriterを使用できます。 a nice tutorialがあり、既存のanswer on the stackoverflowとshort gistが存在します。 と可変textに対応するテキスト：

あなたはndarray num_of_views（paper図3参照）サイドバイサイドに記憶された画像を有するimg numpyのを持っていると仮定する。ユニコード文字列を、固定長にパディングされていない文字IDのリストに変換する関数を定義する必要があります。たとえば：

char_ids_padded, char_ids_unpadded = encode_utf8_string(
    text='abc', 
    charset={'a':0, 'b':1, 'c':2}, 
    length=5, 
    null_char_id=3) 

は、結果は次のようになります。

char_ids_padded = [0,1,2,3,3] 
char_ids_unpadded = [0,1,2] 

あなたがで定義された関数_int64_featureと_bytes_featureを使用している場合gist次のスニペットを使用してのFSN互換tf.Exampleプロトを作成することができます。

を

char_ids_padded, char_ids_unpadded = encode_utf8_string(
    text, charset, length, null_char_id) 
example = tf.train.Example(features=tf.train.Features(
    feature={ 
    'image/format': _bytes_feature("PNG"), 
    'image/encoded': _bytes_feature(img.tostring()), 
    'image/class': _int64_feature(char_ids_padded), 
    'image/unpadded_class': _int64_feature(char_ids_unpadded), 
    'height': _int64_feature(img.shape[0]), 
    'width': _int64_feature(img.shape[1]), 
    'orig_width': _int64_feature(img.shape[1]/num_of_views), 
    'image/text': _bytes_feature(text) 
    } 
)) 

Answer 2

次のコードを直接使用しないでください。

私のコードで

"'image/encoded': _bytes_feature(img.tostring())," 

、私は次のようにwrited：

_,jpegVector = cv2.imencode('.jpeg',img) 
    imgStr = jpegVector.tostring() 
    'image/encoded': _bytes_feature(imgStr)