为什么在Keras OCR示例中，“ get_output_size”是len + 1，而不是len？

Question

我只是Keras的初学者，所以我尝试实施Keras的OCR项目。因此，我尝试从Keras的OCR示例中学习。这里是a link！
我不明白为什么TextImageGenerator类中的“ get_output_size”是len（alphabet）+ 1但不是len（alphabet）？ 如果有人可以告诉我原因，我将不胜感激。

Answer 1

它与用作成本函数的CTC层有关。也许阅读科学论文会为您提供更多的见解，但这与模型使用的“额外”类说（“没有字母”）有关。 Paper by Graves explaining the algorithm behind

Answer 2

在经过 CTC损失训练的神经网络中，有需要一个额外的字符。该额外字符本质上意味着“在此位置看不到任何字符”，被称为 CTC空白。

它用于允许文本的不同对齐方式或字符之间的空白（例如，图像中包含“ hello”或“ hello”，且周围带有空格，因为两者都想识别“ hello”） 。 识别文字时，这些空白将被删除：使用最佳路径解码时，会在每个位置采用得分最高的字符，但空白将被删除。

要更好地了解这种特殊的CTC空白字符，让我们看一下下面的插图。神经网络的输出包含字符a，b和CTC空白（表示为“-”）。 让我们为每个位置t0 ... t4选择得分最高的字符，这使我们获得“ aaa-b”。最佳路径解码将删除重复的字符，这使我们获得“ a-b”，最后删除所有空格，从而使我们获得“ ab”。

如果需要更多信息，可以查看我的CTC article或this article或original paper。