tf.nn.ctc_greedy_decoder如何在tensorflow中生成输出序列？

Question

给定逻辑( RNN/Lstm/Gru在时间主要格式(maxTime，batchSize，numberofClasses)中的输出)，ctc贪婪解码器是如何进行解码以产生输出序列的。

我发现它的网页decoder“在输入(最佳路径)的逻辑上执行贪婪的解码”。

一种可能的方法是在每一时间步选择具有最大值的输出类，折叠重复并生成相应的输出序列。是反恐委员会贪婪的解码器在这里做什么还是别的什么？用一个例子来解释是非常有用的。

Answer 1

操作ctc_greedy_decoder实现最佳路径解码，这在TF源代码1中也有说明。

解码分为两个步骤：

1. 每个时间步串联最可能的字符，从而产生最佳路径。
2. 然后，首先删除重复字符，然后删除所有空白，从而撤消编码。这给了我们公认的案文。

让我们看一个例子。神经网络输出的矩阵有5个时间步骤和3个字符("a“、"b”和空白"-")。我们采取最有可能的字符每一步，这给我们最好的路径："aaa-b“。然后，我们删除重复字符并得到“a”。最后，我们删除所有空白并得到"ab“作为结果。

​

​

有关CTC的更多信息可以在2中找到，关于如何在Python中使用它的示例见3。

1 ctc_greedy_decoder：decoder.h#L69的实现

2有关CTC、最佳路径解码和波束搜索解码的更多信息：https://towardsdatascience.com/5a889a3d85a7

3示例代码，演示如何使用ctc_greedy_decoder：https://github.com/githubharald/SimpleHTR/blob/master/src/Model.py#L94