tensorflow源码分析——CTC

CTC是2006年的论文Connectionist Temporal Classification: Labelling Unsegmented Sequence Data with Recurrent Neural Networks中提到的，论文地址： http://www.cs.toronto.edu/~graves/icml_2006.pdf

论文中CTC的定义是这样的：把对未分割的序列数据label的任务叫做Temporal Classification，把使用RNNs对未分割的序列数据label叫做Connectionist Temporal Classification（CTC） 。与之相对的是，把对数据序列的每一个time-step或者frame独立label 叫做framewise classification

tensorflow中的相关实现在 /tensorflow/python/ops/ctc_ops.py

1. ctc_loss, 计算ctc loss

def ctc_loss(labels, inputs, sequence_length,
             preprocess_collapse_repeated=False,
             ctc_merge_repeated=True, time_major=True):

这个类执行softmax操作，所以输入应该是LSTM输出的线性映射

inputs， 最内部维度大小是num_classes，代表“num_labels +1” 个类别，其中num_labels是真实的balebs的数目，最大值“num_labels-1”是为blank label保留的

例如，如果一个单词包含3个labels ‘[a, b, c]’，则num_classes =4, 且labels的索引号是 ‘{a:0, b:1, c:2, blank:3}’

至于参数 preprocess_collapse_repeated 和 ctc_merge_repeated：

如果 preprocess_collapse_repeated = True ，在计算ctc之前，重复的labels会被合并为一个labels。这种预处理对下面这种情况是有用的：如果训练数据是强制对齐得到的，会包含不必要的重复。

如果 ctc_merge_repeated = False，那么伴随ctc计算的深入，重复的非blank将不会被合并，会被解释为独立的labels。这是ctc的简化的非标准的版本

具体见下表

• preprocess_collapse_repeated = False，ctc_merge_repeated = True：经典CTC，输出的真实的重复的中间带有blanks类别，也可以通过解码器解码，输出不带有blanks的重复类别
• preprocess_collapse_repeated = True，ctc_merge_repeated = False：因为在training之前，input 的labels已经合并重复项了，所以不会输出重复的类
• preprocess_collapse_repeated = False，ctc_merge_repeated = False：输出重复的中间带有blank的类别，但是通常不需要解码器合并重复项
• preprocess_collapse_repeated = True，ctc_merge_repeated = True: 未测试，非常可能不会学会输出重复类

参数：

labels： int32 SparseTensor， 标准的输出，稀疏矩阵

inputs: 3-D float tensor . 计算得到的logits。 如果time_major = False, shape:batch_size x max_time x num_classes. 如果 time_major = True, shape:max_time x batch_size x num_classes

sequence_length: 1-D int32 向量， batch_size

输出：

1-D float tensor，size：[batch]， 概率的负对数

2. ctc_beam_search_decoder: 对输入的logits执行beam search 解码

def ctc_beam_search_decoder(inputs, sequence_length, beam_width=100,
                            top_paths=1, merge_repeated=True):

如果 merge_repeated = True, 在输出的beam中合并重复类。这意味着如果一个beam中的连续项（ consecutive entries） 相同，只有第一个提交。即，如果top path 是‘A B B B ’，返回值是‘A B’（当merge_repeated = True），‘A B B B ’ （当merge_repeated = False）

参数：

inputs： 3-D float tensor , shape:max_time x batch_size x num_classes

sequence_length: 1-D int32 向量， batch_size

beam_width: int scalar>=0

top_paths: int scalar>=0, <= beam_width, 输出解码后的数目

输出：

元组：（decoded, log_prob）

其中：

decoded : a list of length top_paths, 每一个是一个稀疏矩阵

log_prob : matrix , shape (batch_size x top_paths)