文章目录

• • 一、函数讲解
  • • 1. `numel()`函数
  • 二、疑难代码段理解
  • • 1. `strLabelConverter` 类
    • • (1) `def encode(self, text):`函数的作用
      • (2) `def decode(self, text):`函数的作用
      • (3) 关于函数定义中`self`的疑惑
  • 三、附录`crnn_recognizer.py`

一、函数讲解

1. numel()函数

在Pytorch中, numel函数是torch.Tensor类的一个方法,它可以返回张量中的元素总数。
例如：

import torchx = torch.randn(2, 3)
print(x.numel())

这将输出6，因为x有2行3列，总共有6个元素。

值得注意的是,torch.Tensor.nelement()也和torch.Tensor.numel()做同样的事情,所以您可以使用任何一个。

二、疑难代码段理解

1. strLabelConverter 类

# copy from utils
class strLabelConverter(object):def __init__(self, alphabet, ignore_case=False):self._ignore_case = ignore_caseif self._ignore_case:alphabet = alphabet.lower()self.alphabet = alphabet + '_'  # for `-1` indexself.dict = {}for i, char in enumerate(alphabet):# NOTE: 0 is reserved for 'blank' required by wrap_ctcself.dict[char] = i + 1# print(self.dict)def encode(self, text):length = []result = []for item in text:item = item.decode('utf-8', 'strict')length.append(len(item))for char in item:if char not in self.dict.keys():index = 0else:index = self.dict[char]result.append(index)text = resultreturn (torch.IntTensor(text), torch.IntTensor(length))def decode(self, t, length, raw=False):if length.numel() == 1:length = length[0]assert t.numel() == length, "text with length: {} does not match declared length: {}".format(t.numel(),length)if raw:return ''.join([self.alphabet[i - 1] for i in t])else:char_list = []for i in range(length):if t[i] != 0 and (not (i > 0 and t[i - 1] == t[i])):char_list.append(self.alphabet[t[i] - 1])return ''.join(char_list)else:# batch modeassert t.numel() == length.sum(), "texts with length: {} does not match declared length: {}".format(t.numel(), length.sum())texts = []index = 0for i in range(length.numel()):l = length[i]texts.append(self.decode(t[index:index + l], torch.IntTensor([l]), raw=raw))index += lreturn texts

这段代码是定义了一个 strLabelConverter 类，它主要用于文本编码和解码。

类中定义了三个函数：

• init(self, alphabet, ignore_case=False)：初始化函数，用于创建一个 strLabelConverter 实例。alphabet 是字符集，ignore_case=False 表示是否忽略大小写。

• encode(self, text)：将文本编码为整数序列。

• decode(self, t, length, raw=False)：将整数序列解码为文本。

这个类中使用了字典 self.dict 和字符集 self.alphabet 将文本编码为整数序列和将整数序列解码为文本。

其中, self 是类中所有函数的第一个参数，它代表的是类的实例本身，在类的函数中可以通过 self 引用类的其它成员。

(1) def encode(self, text):函数的作用

这段代码是在strLabelConverter类中encode函数中,主要用于将文本编码为整数序列。

item = item.decode('utf-8', 'strict')
Python中字符串默认是以unicode编码的，如果字符串是以其他编码格式存储的，那么就需要使用decode()函数进行解码。

decode()函数接受两个参数，第一个参数是解码的编码格式，第二个参数是非法字节序列的处理方式，'strict’表示如果遇到非法字节序列将会抛出一个UnicodeDecodeError异常。

第二个参数的值有’strict’,‘ignore’,‘replace’,‘backslashreplace’ 四种。 'strict' 表示遇到非法字节序列会抛出异常， 'ignore' 表示忽略非法字节序列，'replace' 表示替换非法字节序列，'backslashreplace' 表示反斜杠替换。

首先，定义了两个空的列表length和result。然后遍历text中的每一项，对每一项进行decode('utf-8', 'strict')操作，将其解码为utf-8格式。接着将每一项的长度添加到length列表中。

接下来，对每一项中的每一个字符进行遍历，如果字符不在self.dict.keys()中，将其索引赋值为0；否则，将其索引赋值为self.dict[char]。最后把索引添加到result列表中。

最后，将result赋值给text，并用torch.IntTensor()将text和length转换为张量后返回。

总之，这个函数的作用是将文本中的每个字符转换为相应的索引，并返回索引和文本长度的张量。

(2) def decode(self, text):函数的作用

raw=False有什么用?

raw=False表示在解码时，只保留非重复字符。

在strLabelConverter类中decode函数中，如果raw参数为False,那么对于t中的每一个整数序列，如果不为0并且不是重复的，那么将其对应的字符添加到char_list中，最后将char_list拼接成字符串并返回。

这样的做法的意图是去除重复的字符,在实际应用中可能用于去除预测结果中的重复字符，如果raw=True则会返回所有字符。

(3) 关于函数定义中self的疑惑

python在类中定义函数为什么参数列表里面都有self?

在 Python 中，类中定义函数的参数列表里面加入 self 是为了让函数能够访问类的其它成员，也是一种约定俗成的用法。

self 是类中所有函数的第一个参数，它代表的是类的实例本身，在类的函数中可以通过 self 引用类的其它成员。

当一个类的实例调用一个函数时，系统会自动传入这个实例作为第一个参数，这样函数就能访问类的其它成员。

简而言之，self 参数起到类和函数之间连接的作用，让函数能够访问类。

三、附录crnn_recognizer.py

import torch.nn as nn
# import torchvision.models as models
import torch, os
from PIL import Image
import cv2
import torchvision.transforms as transforms
from torch.autograd import Variable
import numpy as np
import random
from crnn import CRNN
import config# copy from mydataset
class resizeNormalize(object):def __init__(self, size, interpolation=Image.LANCZOS, is_test=True):self.size = sizeself.interpolation = interpolationself.toTensor = transforms.ToTensor()self.is_test = is_testdef __call__(self, img):w, h = self.sizew0 = img.size[0]h0 = img.size[1]if w <= (w0 / h0 * h):img = img.resize(self.size, self.interpolation)img = self.toTensor(img)img.sub_(0.5).div_(0.5)else:w_real = int(w0 / h0 * h)img = img.resize((w_real, h), self.interpolation)img = self.toTensor(img)img.sub_(0.5).div_(0.5)tmp = torch.zeros([img.shape[0], h, w])start = random.randint(0, w - w_real - 1)if self.is_test:start = 0tmp[:, :, start:start + w_real] = imgimg = tmpreturn img# copy from utils
class strLabelConverter(object):def __init__(self, alphabet, ignore_case=False):self._ignore_case = ignore_caseif self._ignore_case:alphabet = alphabet.lower()self.alphabet = alphabet + '_'  # for `-1` indexself.dict = {}for i, char in enumerate(alphabet):# NOTE: 0 is reserved for 'blank' required by wrap_ctcself.dict[char] = i + 1# print(self.dict)def encode(self, text):length = []result = []for item in text:item = item.decode('utf-8', 'strict')length.append(len(item))for char in item:if char not in self.dict.keys():index = 0else:index = self.dict[char]result.append(index)text = resultreturn (torch.IntTensor(text), torch.IntTensor(length))def decode(self, t, length, raw=False):if length.numel() == 1:length = length[0]assert t.numel() == length, "text with length: {} does not match declared length: {}".format(t.numel(),length)if raw:return ''.join([self.alphabet[i - 1] for i in t])else:char_list = []for i in range(length):if t[i] != 0 and (not (i > 0 and t[i - 1] == t[i])):char_list.append(self.alphabet[t[i] - 1])return ''.join(char_list)else:# batch modeassert t.numel() == length.sum(), "texts with length: {} does not match declared length: {}".format(t.numel(), length.sum())texts = []index = 0for i in range(length.numel()):l = length[i]texts.append(self.decode(t[index:index + l], torch.IntTensor([l]), raw=raw))index += lreturn texts# recognize api
class PytorchOcr():def __init__(self, model_path):alphabet_unicode = config.alphabet_v2self.alphabet = ''.join([chr(uni) for uni in alphabet_unicode])# print(len(self.alphabet))self.nclass = len(self.alphabet) + 1self.model = CRNN(config.imgH, 1, self.nclass, 256)self.cuda = Falseif torch.cuda.is_available():self.cuda = Trueself.model.cuda()self.model.load_state_dict({k.replace('module.', ''): v for k, v in torch.load(model_path).items()})else:# self.model = nn.DataParallel(self.model)self.model.load_state_dict(torch.load(model_path, map_location='cpu'))self.model.eval()self.converter = strLabelConverter(self.alphabet)def recognize(self, img):h,w = img.shape[:2]if len(img.shape) == 3:img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)image = Image.fromarray(img)transformer = resizeNormalize((int(w/h*32), 32))image = transformer(image)image = image.view(1, *image.size())image = Variable(image)if self.cuda:image = image.cuda()preds = self.model(image)_, preds = preds.max(2)preds = preds.transpose(1, 0).contiguous().view(-1)preds_size = Variable(torch.IntTensor([preds.size(0)]))txt = self.converter.decode(preds.data, preds_size.data, raw=False)return txtif __name__ == '__main__':model_path = './crnn_models/CRNN-1008.pth'recognizer = PytorchOcr(model_path)img_name = 't1.jpg'img = cv2.imread(img_name)h, w = img.shape[:2]res = recognizer.recognize(img)print(res)