CRNN端到端文字识别
Convolutional Recurrent Neural Network(CRNN)，华科白翔老师组的作品，An End-to-End Trainable Neural Network for Image-based Sequence Recognition and ItsApplication to Scene Text Recognition
整体流程：
CNN+biLSTM+CTC
网络结构：
网络的结构综合了CNN+RNN，
(1) 其中Max pooling中的窗口大小为1*2，保证提出的特征具有横向的长度，有利于比较长的文本的识别
(2) CNN+RNN的训练比较困难，所以加入了BatchNorm，有助于模型收敛
(3) 在300dpi的分辨率下，一个中文汉字的宽度大约为50pix，一个英文字母的宽度大约为20pix，作者上面提供的网络模型，经过4个pooling和最后一个卷积(valid模式)，总共会使得原图的宽度缩小pow(2,5)倍，即缩小32倍。而实际使用中，假设都使用一个像素预测一个结果，一个英文字母最多可以缩小20倍，一个中文最多可以缩小50倍。所以作者32倍的缩放对英文会有问题。我这里的建议是，将第三个或者第四个pooling的stride改为（1，2），这样就会使得最终的宽度只缩小16倍。从而满足实际需要。
优势：
(1) 可以端到端训练
(2) 不需要进行字符分割和水平缩放操作，只需要垂直方向缩放到固定长度既可，同时可以识别任意长度的序列
(3) 可以训练基于词典的模型和不基于词典的任意模型
(4) 模型速度快，并且很小，本人原始ckpt模型100M，固化后40M，量化后只有10M。
References：
http://mc.eistar.net/~xbai/CRNN/crnn_code.zip
https://github.com/bgshih/crnn
https://github.com/Belval/CRNN