.onnx मॉडल का उपयोग करके OpenCV (Ptyhon) के DNN मॉड्यूल में फॉरवर्ड मेथड एरर

आपकी समस्या वास्तव में यह है कि आप अपने मॉडल को जो इनपुट डेटा खिलाते हैं वह उस डेटा के आकार से मेल नहीं खाता जिस पर मॉडल को प्रशिक्षित किया गया था।

मैंने आपके onnx मॉडल का निरीक्षण करने के लिए इस उत्तर का उपयोग किया और ऐसा प्रतीत होता है कि यह (1, 1, 32, 100) आकार के इनपुट की अपेक्षा करता है। मैंने छवि को 1 x 32 x 100 पिक्सल में बदलने के लिए आपके कोड को संशोधित किया है और अनुमान वास्तव में त्रुटि के बिना चलता है।

संपादित करें

मैंने अनुमान के परिणाम की व्याख्या करने के लिए कुछ कोड जोड़ा है। अब हम छवि और अनुमानित OCR टेक्स्ट प्रदर्शित करते हैं। ऐसा लगता है कि यह काम नहीं कर रहा है, लेकिन OpenCV पर ट्यूटोरियल पढ़ रहा है, दो मॉडल होने चाहिए:

1. एक जो यह पता लगाता है कि छवि में पाठ कहाँ है। यह नेटवर्क विभिन्न आकारों की छवियों को स्वीकार करता है, यह छवि के भीतर पाठ के स्थानों को लौटाता है और फिर छवि के क्रॉप किए गए हिस्सों को 100x32 आकार के दूसरे को पास किया जाता है
2. वह जो वास्तव में "रीडिंग" करता है और छवि के दिए गए पैच, वर्ण लौटाता है। इसके लिए, एक फ़ाइल alphabet_36.txt है जो पूर्व-प्रशिक्षित मॉडल के साथ प्रदान की जाती है।

हालांकि यह मेरे लिए स्पष्ट नहीं है कि टेक्स्ट डिटेक्शन के लिए किस नेटवर्क का उपयोग किया जाए। आशा है कि नीचे दिया गया संपादित कोड आपके एप्लिकेशन को और विकसित करने में आपकी सहायता करेगा।

import cv2 as cv
import os
import numpy as np
import matplotlib.pyplot as plt
# The model is downloaded from here https://drive.google.com/drive/folders/1cTbQ3nuZG-EKWak6emD_s8_hHXWz7lAr
# model path 
MODELS_PATH = './'
modelRecognition = os.path.join(MODELS_PATH,'CRNN_VGG_BiLSTM_CTC.onnx')

# read net 
recognizer = cv.dnn.readNetFromONNX(modelRecognition)

# Download sample_image.png from https://i.ibb.co/fMmCB7J/sample-image.png  (image host website)
sample_image = cv.imread('sample-image.png', cv.IMREAD_GRAYSCALE)
sample_image = cv.resize(sample_image, (100, 32))
sample_image = sample_image[:,::-1].transpose()

# Height and Width of the image
H,W = sample_image.shape

# Create a 4D blob from image
blob = cv.dnn.blobFromImage(sample_image, size=(H,W))
recognizer.setInput(blob)

# network inference
result = recognizer.forward()

# load alphabet
with open('alphabet_36.txt') as f:
    alphabet = f.readlines()
alphabet = [f.strip() for f in alphabet]

# interpret inference results
res = []
for i in range(result.shape[0]):
    ind = np.argmax(result[i,0])
    res.append(alphabet[ind])
ocrtxt = ''.join(res)

# show image and detected OCR characters
plt.imshow(sample_image)
plt.title(ocrtxt)
plt.show()

आशा है कि इससे सहायता मिलेगी। चियर्स