文件名称：umaru:使用LSTMGRU-RNN，CTC技术的基于火炬的OCR系统，并参考rnnlib和clstm的工作
文件大小：54KB
文件格式：ZIP
更新时间：2024-05-19 16:52:12
Lua
乌玛鲁 一个基于炬的OCR系统，使用LSTM / GRU-RNN，CTC技术，并参考了rnnlib和clstm的工作。 注意 现在这项工作是完全不稳定，实验性和开发中的。 依存关系 （及后续包装） 图像 nn /立方 乐观的 建造 $ ./build.sh 用法 一般的 您可以直接在main.lua修改设置并执行th main.lua ，输入格式类似于clstm（ .png和.gt.txt对），并且应将所有输入文件路径都放在文本文件中。 或者，如果您更喜欢使用JSON格式的配置文件，则可以遵循以下示例并运行： $ th main.lua -setting [setting file] 运行文件夹 将为每个实验在experments文件夹中创建一个文件夹。 您可以在此处查看日志，设置和保存的模型。 示例配置文件 每个选项的描述都可以在main.lua找到。 { "project
【文件预览】：
umaru-master
----normalizer.cc(7KB)
----main.lua(8KB)
----libctc.cc(8KB)
----rbm.lua(10KB)
----ocr.lua(564B)
----random-test.py(437B)
----sample_setting.json(517B)
----ctc_lua.lua(3KB)
----test_ctc.lua(2KB)
----solve.lua(2KB)
----gaussian_test.py(1KB)
----ctc_log.lua(7KB)
----convert_space_sep_data_to_lua_tensor.py(263B)
----test_thread1.lua(326B)
----test_sharedclone.lua(2KB)
----LICENSE(6KB)
----test_gru.lua(364B)
----test_ctc_large.lua(60KB)
----slider.lua(1KB)
----test_slider.lua(250B)
----codec.lua(555B)
----GRU.lua(7KB)
----test_thread.lua(4KB)
----.gitignore(513B)
----pretrain.lua(2KB)
----test_codec.lua(329B)
----CMakeLists.txt(739B)
----test_cuda_ctc.lua(451B)
----README.md(2KB)
----contrast.txt(3KB)
----utils()
--------decoder.lua(483B)
--------levenshtein.lua(653B)
--------logs.lua(1KB)
----build.sh(62B)
----test_normalizer.lua(274B)
----test_cuda.lua(1KB)
----ctc.lua(3KB)
----loader.lua(5KB)