DL之CNN：基于CRNN_OCR算法(keras,CNN+RNN)利用数据集(torch,mdb格式)训练来实现新图片上不定长度字符串进行识别—预测过程

输出结果

1、五张图片进行测试，并输出测试结果

输出结果分别为

设计思路

核心代码

 def ocr_predict(im):  

   im = im.convert('L')           。

   scale = im.size[1]*1.0 / 32

   w = im.size[0] / scale

   w = int(w)

   im = im.resize((w,32))        

   img = np.array(im).astype(np.float32)/255.0    

#     print(img)

   X  = img.reshape((32,w,1))      

   X = np.array([X])

   y_pred = basemodel.predict(X)    

#     out01    = decode(y_pred)  

#     print('out01的输出：',out01)

   y_pred = y_pred[:,2:,:]    

   out    = decode(y_pred)          

#     print('out01过滤后的输出:',out)

   #out = K.get_value(K.ctc_decode(y_pred, input_length=np.ones(y_pred.shape[0])*y_pred.shape[1], )[0][0])[:, :]

   #out = u''.join([characters[x] for x in out[0]])

   if len(out)>0:                

       while out[0]==u'。':                  

#             print('【out[0]==u。后输出】：', out)

           if len(out)>1:                      

              out = out[1:]

#                print('【out[1:]输出】：', out)

           else:                                

               break

   return out            #返回out

img = cv2.imread('./img/12.jpg')      

image = Image.fromarray(img).convert('L')  

print(sim_pred)