PARSeqBackbone 模型

[源代码]

PARSeqBackbone 类

keras_hub.models.PARSeqBackbone(
    image_encoder,
    vocabulary_size,
    max_label_length,
    decoder_hidden_dim,
    num_decoder_layers,
    num_decoder_heads,
    decoder_mlp_dim,
    dropout_rate=0.1,
    attention_dropout=0.1,
    dtype=None,
    **kwargs
)

使用 PARSeq 模型进行场景文本检测。

使用 Scene Text Recognition with Permuted Autoregressive Sequence Models 中描述的 PARSeq 模型在自然场景中执行 OCR。PARSeq 是一个基于 ViT 的模型，它允许通过执行自回归解码阶段然后进行细化阶段来进行迭代解码。

参数

• image_encoder: keras.Model。图像编码器模型。
• vocabulary_size: int。词汇表的大小。
• max_label_length: int。标签序列的最大长度。
• decoder_hidden_dim: int。解码器隐藏层的维度。
• num_decoder_layers: int。解码器层的数量。
• num_decoder_heads: int。解码器中的注意力头数量。
• decoder_mlp_dim: int。解码器 MLP 隐藏层的维度。
• dropout_rate: float。解码器网络的 dropout 率。默认为 0.1。
• attention_dropout: float。注意力权重的 dropout 率。默认为 0.1。
• dtype: str。None、str 或 keras.mixed_precision.DTypePolicy。用于计算和权重的 dtype。
• **kwargs: 传递给基础 keras.Model 构造函数的附加关键字参数。

[源代码]

from_preset 方法

PARSeqBackbone.from_preset(preset, load_weights=True, **kwargs)

从模型预设实例化一个 keras_hub.models.Backbone。

预设是一个包含配置、权重和其他文件资源的目录，用于保存和加载预训练模型。preset 可以作为以下之一传递：

1. 一个内置的预设标识符，如 'bert_base_en'
2. 一个 Kaggle Models 句柄，如 'kaggle://user/bert/keras/bert_base_en'
3. 一个 Hugging Face 句柄，如 'hf://user/bert_base_en'
4. 一个 ModelScope 句柄，例如 'modelscope://user/bert_base_en'。
5. 一个本地预设目录的路径，如 './bert_base_en'

此构造函数可以通过两种方式之一调用。要么从基类调用，如 keras_hub.models.Backbone.from_preset()，要么从模型类调用，如 keras_hub.models.GemmaBackbone.from_preset()。如果从基类调用，则返回对象的子类将根据预设目录中的配置进行推断。

对于任何 Backbone 子类，您可以运行 cls.presets.keys() 来列出该类上所有可用的内置预设。

参数

• preset：字符串。一个内置预设标识符、一个 Kaggle Models 句柄、一个 Hugging Face 句柄或一个本地目录的路径。
• load_weights：布尔值。如果为 `True`，权重将被加载到模型架构中。如果为 `False`，权重将被随机初始化。

示例

# Load a Gemma backbone with pre-trained weights.
model = keras_hub.models.Backbone.from_preset(
    "gemma_2b_en",
)

# Load a Bert backbone with a pre-trained config and random weights.
model = keras_hub.models.Backbone.from_preset(
    "bert_base_en",
    load_weights=False,
)