【文件属性】：
文件名称：TextBoxGan:使用GAN从输入单词生成文本框
文件大小：2.8MB
文件格式：ZIP
更新时间：2021-04-04 08:37:09
ocr computer-vision generative-adversarial-network gan text-box
文本框
通过生成的对抗网络从输入的单词生成文本框。
视频：在不同的培训步骤中生成“生成”一词： ：
图1：使用我们的模型生成“具有相同样式的单词”的不同示例
内容
：
经过训练的模型：经过预先训练的模型（有关该模型的更多详细信息，请参见“部分）。 将该目录放置在目录中。 要使用它，请将EXPERIMENT_NAME = None替换为EXPERIMENT_NAME = "trained model" ，并确保文件中的cfg.resume_step = 225000 。
aster_weights ：转换为tf2的 OCR的权重。 将此目录放置在项目的根目录下。 训练模型，运行投影仪和推断测试集是必需的。
perceptual_weights ：感知损失的权重，使用回购从pytorch转换而来。 将此目录放置在目录中。 运行投影仪是必需的。
构建码头工人
docker build
【文件预览】：
TextBoxGan-main
----models()
--------model_loader.py(2KB)
--------word_encoder.py(2KB)
--------losses()
--------__init__.py(0B)
--------stylegan2()
----allow_memory_growth.py(683B)
----config()
--------__init__.py(30B)
--------config.py(4KB)
--------char_tokens.py(661B)
----validation_step.py(3KB)
----train.py(9KB)
----projector()
--------perceptual_weights()
--------lpips_tensorflow.py(7KB)
--------projector.py(10KB)
----Dockerfile(336B)
----training_step.py(14KB)
----LICENSE(1KB)
----experiments()
--------.keep(0B)
----requirements.txt(109B)
----aster_weights()
--------.keep(0B)
----.gitignore(211B)
----Makefile(2KB)
----dataset_utils()
--------text_box_dataset_metrics.py(2KB)
--------training_data_loader.py(3KB)
--------__pycache__()
--------__init__.py(0B)
--------text_corpus_dataset_maker.py(6KB)
--------validation_data_loader.py(1KB)
--------text_box_dataset_maker.py(2KB)
--------filter_out_bad_images.py(2KB)
----ReadMe_images()
--------character_distribution.png(119KB)
--------words_with_the_same_style.png(1.43MB)
--------losses_comparison.png(422KB)
--------word_encoder.png(24KB)
--------swapping_labels.png(162KB)
--------projected_images.png(434KB)
--------generating_words_mse_vs_sce.png(141KB)
--------network.png(145KB)
----infere.py(7KB)
----README.md(17KB)
----aster_ocr_utils()
--------aster_inferer.py(6KB)
--------aster_tester.py(1KB)
--------weigths_tf1_to_tf2.py(2KB)
----utils()
--------loss_tracker.py(2KB)
--------utils.py(3KB)
--------tensorboard_writer.py(6KB)
--------__init__.py(98B)