Question

我有一个小型研究项目，我尝试解码一些验证码图像。我使用Tensorflow 0.9中实现的convnet，基于MNIST示例（https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/convolutional_network.py）

我的代码可在github https://github.com/ksopyla/decapcha/blob/master/decaptcha_convnet.py

找到

我尝试重现所描述的想法：

“使用深度卷积神经网络从街景图像中识别多位数”Alf（https://arxiv.org/pdf/1312.6082.pdf）
“CAPTCHA积极深度学习识别”Stark at al（https://vision.in.tum.de/_media/spezial/bib/stark-gcpr15.pdf）

其中特定的字符序列被编码为一个二进制矢量。在我的例子中，验证码包含最多20个拉丁字符，每个字符编码为63个暗淡的二进制矢量，其中1位设置在位置，根据：

位于0-9的数字'0-9' - 1
大字母'A-Z' - 1位置10-35
小写字母'a-z' - 1位置36-61
位置62保留为空白字符''（短于20个字符的单词填充''最多20个）

所以最后当我连接所有20个字符时，我得到20 * 63暗淡的向量，我的网络应该学习。我的主要问题是如何为优化器定义适当的损失函数。

我的网络架构：

conv 3x3x32 - ＆gt; relu - ＆gt;汇集（k = 2） - ＆gt; dropout
conv 3x3x64 - ＆gt; relu - ＆gt;汇集（k = 2） - ＆gt; dropout
conv 3x3x64 - ＆gt; relu - ＆gt;汇集（k = 2） - ＆gt; dropout
FC 1024 - ＆gt; relu - ＆gt;差
输出20 * 63 -

所以我的主要问题是如何为优化器定义损失以及如何评估模型。我试过这样的事情

# Construct model
pred = conv_net(x, weights, biases, keep_prob)

# Define loss and optimizer

#split prediction for each char it takes 63 continous postions, we have 20 chars
split_pred = tf.split(1,20,pred)
split_y = tf.split(1,20,y)


#compute partial softmax cost, for each char
costs = list()
for i in range(20):  
   costs.append(tf.nn.softmax_cross_entropy_with_logits(split_pred[i],split_y[i]))

#reduce cost for each char
rcosts = list()
for i in range(20):
    rcosts.append(tf.reduce_mean(costs[i]))

# global reduce    
loss = tf.reduce_sum(rcosts)
optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate).minimize(loss)


# Evaluate model

# pred are in format batch_size,20*63, reshape it in order to have each     character prediction
# in row, then take argmax of each row (across columns) then check if it is     equal 
# original label max indexes
# then sum all good results and compute mean (accuracy)

#batch, rows, cols
p = tf.reshape(pred,[batch_size,20,63])
#max idx acros the rows
#max_idx_p=tf.argmax(p,2).eval()
max_idx_p=tf.argmax(p,2)

l = tf.reshape(y,[batch_size,20,63])
#max idx acros the rows
#max_idx_l=tf.argmax(l,2).eval()
max_idx_l=tf.argmax(l,2)

correct_pred = tf.equal(max_idx_p,max_idx_l)
accuracy = tf.reduce_mean(tf.cast(correct_pred, tf.float32))enter code         here

我尝试从输出中拆分每个char，并为每个char单独执行softmax和cross_entropy，然后合并所有成本。但我已将tensorflow函数与普通的python列表混合在一起，我可以这样做吗？请问tensorflow引擎能理解这个吗？我可以使用哪些tensorflow函数而不是python列表？

精度以类似的方式计算，输出重新整形为20x63，我从每一行获取argmax，而不是与真正的编码char进行比较。

当我运行此损失功能正在减少，但精度上升然后下降。这张照片显示了它的外观https://plon.io/files/57a0a7fb4bb1210001ca0476

如果有任何进一步的评论，我所犯的错误或想法，我将不胜感激。

Answer 1

真正的问题是我的网络卡住了，网络输出对于任何输入都是不变的。

当我将损失函数更改为#include "header1.h" entry start_entry; void func(void) { //here i use start_entry } void init(void) { start_entry.text = str_ptr; start_entry.var = a; }并对输入进行标准化时，网络开始学习模式。

标准化（减去均值并除以标准）有很大帮助，

Xdata是矩阵[N，D]

loss = tf.nn.sigmoid_cross_entropy_with_logits(pred,y)

数据预处理是关键，值得阅读http://cs231n.github.io/neural-networks-2/#data-preprocessing

Captcha用convnet识别，如何定义损失函数

1 个答案: