0. 背景
1. CTC原理
图 CTC结构图
CTC是看似和HMM有些联系，然后也采用DP来进行求解，将CTC结构图中<RNN输出，CTC层>单独拿出来，得到如下形式：
图 用前向-后向算法计算CTC
上图如CTC结构图，
所以，在所有的路径中，只有开始和结束的点算是确定的。不过值得注意的是，这里最开始和结束的空白符，分别是t=1的最开始空白符和t=T的结束空白符
训练tricks：
ps：字库可以去搜狗输入法上下载，然后将scel转换成txt，然后就能接着生成自己需要的了
ps：关于CRNN模型的训练集问题：
'''在其中的colorize3_poisson.py中'''
l_out = blit_images(l_normal.color,l_bg.color.copy())
'''等同于http://www.learnopencv.com/seamless-cloning-using-opencv-python-cpp/
这里实现的泊松图像编辑中的混合模式,
所以整个项目中的poisson_reconstruct.py脚本可以删除'''
obj = l_normal.color
bgi = l_bg.color.copy()
mask = 255 * np.ones(obj.shape, obj.dtype)
width, height, channels = bgi.shape
center = (height//2, width//2)
mixed_clone = cv2.seamlessClone(obj, bgi, mask, center, cv2.MIXED_CLONE)
l_out = mixed_clone
在使用合成代码的时候，还是有一些问题的，如：
增加新背景图片；用此合成的去做ocr；
文字合成后属性问题
文本角度；文本角度；得到更大的文字；更长的字；调整字符间距；
对比度问题
文本颜色渲染；渲染问题；调整生成的文字的对比度；文字与背景对比度；
图片分割问题
图片分割；替换ucm；
depth2xyz的bug；生成裁剪的单词图片；pt和px的问题；文字在放置的时候区域的选择-lee；平面上生成文字；字符频率的意义
取消坡度粘贴：随机生成每个图片的depth即可，然后将plane2xyz中z = np.ones_like(z)*-0.1，使得该函数失效，每一个点的z轴高度一致，然后删除place_text中2个透视映射homography函数
整个图片都作为背景区域：将图片的seg修改为整个图片大小，然后计算其中的像素点，格式如原来。然后将get_text_placement_mask中place_mask前面加一句ROW=W;COL=H，使得每次都选取整个图片。
建议：可以在batch获取的时候，先统一高resize成32，然后取batch中最长的那个width为准，其他不足的以雪花点不全（先生成一个imgW*32的雪花点矩阵，且imgW很长）。从而防止图像失真。
猜测：上面的几个链接中，是先训练2个字的语料，然后逐渐上升到10个字的语料（虽然里面也有人说直接训练10个字的语料，这不是重点）。不过实际做inference的时候，该模型却能对应15甚至20个字的图片进行预测。所以个人猜测，是不是其实本身学习的也还是一种映射机制，即只是为了让整个模型能够将某些图像对应成某个字：
如上图中几个国字，因为“象形”，所以其实是为了学习不同背景，不同形状下的对应关系，所以其实背景的复杂程度加上字体本身的变化，颜色等等，才是数据集建立的关键，而lstm本身读取语料的语义虽然有纠错功能，不过却并不是识别的本质？