add scene_text_recognition #329

peterzhang2029 · 2017-09-27T09:09:23Z

resolve #328

lcy-seso · 2017-09-27T12:28:03Z

scene_text_recognition/README.md

+
+在现实生活中，包括路牌、菜单、大厦标语在内的很多场景均会有文字出现，这些场景的照片中的文字为图片场景的理解提供了更多信息，\[[1](#参考文献)\]使用深度学习模型自动识别路牌中的文字，帮助街景应用获取更加准确的地址信息。
+
+本文将针对 **场景文字识别 (STR, Scene Text Recognition)** 任务，演示如何用 PaddlePaddle 实现 一个端对端 CTC 的模型 **CRNN(Convolutional Recurrent Neural Network)**


本例演示如何用 PaddlePaddle 完成场景文字识别任务。

lcy-seso · 2017-09-27T12:30:30Z

scene_text_recognition/README.md

+## 使用 PaddlePaddle 训练与预测
+
+### 模型训练
+训练脚本参照 [./train.py](./train.py)，设置了如下命令行参数：


什么叫：”训练脚本参照 train.py，设置了如下命令行参数“ ？这句话并不通顺。

lcy-seso · 2017-09-27T12:31:12Z

scene_text_recognition/README.md

+- `test_file_list` 测试数据的列表文件，格式同上
+
+### 预测
+预测部分由infer.py完成，本示例对于ctc的预测使用的是最优路径解码算法(CTC greedy decoder)，即在每个时间步选择一个概率最大的字符。在使用过程中，需要在infer.py中指定具体的模型目录、图片固定尺寸、batch_size和图片文件的列表文件。例如：


预测使用的是最优路径解码算法，即：

lcy-seso · 2017-09-27T12:31:57Z

scene_text_recognition/data_provider.py

+
+import os
+from paddle.v2.image import load_image
+import cv2


请按照 Paddle repo的风格，统一docstring的风格。

lcy-seso · 2017-09-27T12:33:45Z

scene_text_recognition/model.py

+    @with_bn: whether with batch normal
+    '''
+    assert num % 4 == 0
+


用for循环来定义 17 ~ 56 行。

如果要用 Class 来封装模型的定义，不要混用。把这个函数移入 Model 类中。

lcy-seso · 2017-09-27T12:37:19Z

scene_text_recognition/model.py

+            act=paddle.activation.Softmax())
+
+        # warp CTC to calculate cost for a CTC task.
+        if self.is_infer == False:


请加上 ctc error evaluator。

lcy-seso · 2017-09-27T12:38:03Z

scene_text_recognition/train.py

@@ -0,0 +1,102 @@
+import logging
+import argparse
+import paddle.v2 as paddle


请把python 本身的model 放在前面，空一行，然后是自定义的module。

lcy-seso · 2017-09-27T12:38:32Z

scene_text_recognition/train.py

+                args.model_output_prefix, event.pass_id, event.batch_id,
+                result.cost)
+            with gzip.open(path, 'w') as f:
+                params.to_tar(f)


请为这个脚本写一个main 函数。

lcy-seso · 2017-09-27T12:41:32Z

scene_text_recognition/README.md

+在现实生活中，包括路牌、菜单、大厦标语在内的很多场景均会有文字出现，这些场景的照片中的文字为图片场景的理解提供了更多信息，\[[1](#参考文献)\]使用深度学习模型自动识别路牌中的文字，帮助街景应用获取更加准确的地址信息。
+
+本文将针对 **场景文字识别 (STR, Scene Text Recognition)** 任务，演示如何用 PaddlePaddle 实现 一个端对端 CTC 的模型 **CRNN(Convolutional Recurrent Neural Network)**
+\[[2](#参考文献)\]，具体的，本文使用如下图片进行训练，需要识别文字对应的文字 "keep"。


请不要写本文使用如下图片进行训练，需要识别文字对应的文字 "keep"。

如果要使用这个例子，请简单以这个图作为一个实例，介绍STR需要作什么。

lcy-seso · 2017-09-27T12:44:04Z

scene_text_recognition/README.md

+其中最重要的几个参数包括：
+
+- `image_shape` 图片的尺寸
+- `train_file_list` 训练数据的列表文件，每行一个路径加对应的text，格式类似：


不要用 ”格式类似：“，格式是什么样子就是什么样子，不是 ”格式类似：“

peterzhang2029 · 2017-09-28T07:57:19Z

@lcy-seso update the commit

ranqiu92 · 2017-10-25T06:01:36Z

scene_text_recognition/README.md

+1.从官方网站下载数据\[[2](#参考文献)\]（Task 2.3: Word Recognition (2013 edition)），会有三个文件: Challenge2_Training_Task3_Images_GT.zip、Challenge2_Test_Task3_Images.zip和 Challenge2_Test_Task3_GT.txt。
+分别对应训练集的图片和图片对应的单词，测试集的图片，测试数据对应的单词，然后执行以下命令，对数据解压并移动至目标文件夹：
+
+```


```bash
以下还有几个地方须做同样修改

ranqiu92 · 2017-10-25T06:08:27Z

scene_text_recognition/README.md

+
+在现实生活中，包括路牌、菜单、大厦标语在内的很多场景均会有文字出现，这些场景的照片中的文字为图片场景的理解提供了更多信息，\[[1](#参考文献)\]使用深度学习模型自动识别路牌中的文字，帮助街景应用获取更加准确的地址信息。
+
+本例将演示如何用 PaddlePaddle 完成 **场景文字识别 (STR, Scene Text Recognition)** 任务。以下图为例，给定一个场景图片，STR需要从图片中识别出对应的文字"keep":


句末用句号

ranqiu92 · 2017-10-25T06:12:53Z

scene_text_recognition/data_provider.py

+        '''
+        image = load_image(path)
+        image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
+        # resize all images to a fixed shape


注释前可空行，注释后不要空行

ranqiu92 · 2017-10-25T06:13:42Z

scene_text_recognition/infer.py

+
+
+if __name__ == "__main__":
+    model_path = "model.ctc-pass-9-batch-150-test.tar.gz"


预测用的具体参数通过命令行传入会比较方便

此处的多个参数都是如此

ranqiu92 · 2017-10-25T06:15:41Z

scene_text_recognition/model.py

+        :type input_image: LayerOutput
+        :param num: number of CONV filters.
+        :type num: int
+        :param with_bn: whether with batch normal.


batch normalization

ranqiu92 · 2017-10-25T06:18:42Z

scene_text_recognition/train.py

+                path = "{}-pass-{}-batch-{}-test.tar.gz".format(
+                    args.model_output_prefix, event.pass_id, event.batch_id)
+                with gzip.open(path, 'w') as f:
+                    params.to_tar(f)


trainer.save_parameter_to_tar(f)

ranqiu92 · 2017-10-25T08:26:06Z

scene_text_recognition/model.py

+class Model(object):
+    def __init__(self, num_classes, shape, is_infer=False):
+        '''
+        :param num_classes: size of the character dict.


参数解释的首字母大写，以下也需要修改

ranqiu92 · 2017-10-25T08:27:23Z

scene_text_recognition/data_provider.py

+                 fixed_shape=None,
+                 is_infer=False):
+        '''
+        :param train_image_paths_generator:


参数含义解释首字母大写，下同

ranqiu92 · 2017-10-25T08:27:39Z

scene_text_recognition/data_provider.py

+
+    def load_image(self, path):
+        '''
+        load image and transform to 1-dimention vector


函数解释首字母大写

ranqiu92 · 2017-10-25T08:29:29Z

scene_text_recognition/data_provider.py

+
+    def word2ids(self, sent):
+        '''
+        transform a word to a list of ids.


函数解释首字母大写

ranqiu92 · 2017-10-25T08:35:47Z

scene_text_recognition/model.py

+        # CNN output image features, 128 float matrixes
+        conv_features = self.conv_groups(self.image, 8, True)
+
+        # cutting CNN output into a sequence of feature vectors, which are


ranqiu92 · 2017-10-25T08:38:26Z

scene_text_recognition/model.py

+        gru_backward = simple_gru(
+            input=sliced_feature, size=128, act=Relu(), reverse=True)
+
+        # map each step of RNN to character distribution.


map the output of RNNs to ...

ranqiu92 · 2017-10-25T08:39:06Z

scene_text_recognition/model.py

+            height=self.shape[0],
+            width=self.shape[1])
+
+        # label input as a ID list


ranqiu92 · 2017-10-25T12:10:26Z

scene_text_recognition/utils.py

+
+def get_file_list(image_file_list):
+    '''
+    Generate the file list for train and test data.


train -> training

ranqiu92 · 2017-10-26T08:46:14Z

scene_text_recognition/README.md

+```
+- `test_file_list` 测试数据的列表文件，格式同上。
+- `label_dict_path` 训练数据中标记字典的存储路径，如果指定路径中字典文件不存在，程序会使用训练数据中的标记数据自动生成标记字典。
+- `model_save_dir` 模型参数会的保存目录目录， 默认为当前目录下的`models`目录。


ranqiu92 · 2017-10-27T02:23:29Z

scene_text_recognition/README.md

+```
+- `test_file_list` ：测试数据的列表文件，格式同上。
+- `label_dict_path` ：训练数据中标记字典的存储路径，如果指定路径中字典文件不存在，程序会使用训练数据中的标记数据自动生成标记字典。
+- `model_save_dir` ：模型参数的保存目录，默认为当前路径下的`models`目录。


默认为./models。

ranqiu92 · 2017-10-27T02:24:46Z

scene_text_recognition/README.md

+
+### 指定训练配置参数
+
+ `config.py` 脚本中包含了模型配置的参数以及对应的详细解释，代码如下：


模型配置和训练相关的参数

ranqiu92 · 2017-10-27T02:25:10Z

scene_text_recognition/README.md

+
+## STR任务简介
+
+在现实生活中，许多图片中的文字为图片所处场景的理解提供了丰富的语义信息（例如：路牌、菜单、街道标语等）。同时，针对场景图片的文字识别技术的发展也促进了一些新型应用的产生，例如：\[[1](#参考文献)\]通过使用深度学习模型来自动识别路牌中的文字，帮助街景应用获取更加准确的地址信息。


场景图片文字识别技术，去掉“针对” 和第一个 “的”

ranqiu92 · 2017-10-27T02:28:34Z

scene_text_recognition/README.md

+      ...
+```
+
+通过修改 `config.py` 脚本可以实现对参数的调整。例如，通过修改 `use_gpu` 参数来指定是否使用 GPU 进行训练。


去掉第一个 “通过”

ranqiu92 · 2017-10-27T02:31:19Z

scene_text_recognition/README.md

+
+
+### 预测
+预测部分由 `infer.py` 完成，使用的是最优路径解码算法，即：在每个时间步选择一个概率最大的字符。在使用过程中，需要在 `infer.py` 中指定具体的模型保存路径、图片固定尺寸、batch_size（默认设置为10）、标记词典路径和图片文件的列表文件。执行如下代码：


默认值为10

ranqiu92 · 2017-10-27T02:32:15Z

scene_text_recognition/README.md

+
+- 由于模型依赖的 `warp CTC` 只有CUDA的实现，本模型只支持 GPU 运行。
+- 本模型参数较多，占用显存比较大，实际执行时可以通过调节 `batch_size` 来控制显存占用。
+- 本示例使用的数据集较小，如有需要，可以选用其他更大的数据集\[[3](#参考文献)\]来训练模型。


保持前后一致，“本示例” -> “本例”

peterzhang2029 · 2017-10-27T03:21:39Z

scene_text_recognition/README.md

@@ -2,9 +2,9 @@

 ## STR任务简介

-在现实生活中，包括路牌、菜单、大厦标语在内的很多场景均会有文字出现，这些场景的照片中的文字为图片场景的理解提供了更多信息，\[[1](#参考文献)\]使用深度学习模型自动识别路牌中的文字，帮助街景应用获取更加准确的地址信息。
+在现实生活中，许多图片中的文字为图片所处场景的理解提供了丰富的语义信息（例如：路牌、菜单、街道标语等）。同时，场景图片文字识别技术的发展也促进了一些新型应用的产生，例如：\[[1](#参考文献)\]通过使用深度学习模型来自动识别路牌中的文字，帮助街景应用获取更加准确的地址信息。


peterzhang2029 · 2017-10-27T03:22:11Z

scene_text_recognition/README.md

@@ -21,7 +21,7 @@ pip install -r requirements.txt

 ### 指定训练配置参数

-通过 `config.py` 脚本修改训练和模型配置参数，脚本中有对可配置参数的详细解释，示例如下：


peterzhang2029 · 2017-10-27T03:22:12Z

scene_text_recognition/README.md

@@ -43,7 +43,8 @@ class ModelConfig(object):

      ...
 ```
-修改 `config.py` 对参数进行调整。例如，通过修改 `use_gpu` 参数来指定是否使用 GPU 进行训练。
+
+修改 `config.py` 脚本可以实现对参数的调整。例如，通过修改 `use_gpu` 参数来指定是否使用 GPU 进行训练。


peterzhang2029 · 2017-10-27T03:22:34Z

scene_text_recognition/README.md

 ```
 4.训练过程中，模型参数会自动备份到指定目录，默认会保存在 `./models` 目录下。


 ### 预测
-预测部分由 `infer.py` 完成，使用的是最优路径解码算法，即：在每个时间步选择一个概率最大的字符。在使用过程中，需要在 `infer.py` 中指定具体的模型目录、图片固定尺寸、batch_size（默认设置为10）和图片文件的列表文件。执行如下代码：
+预测部分由 `infer.py` 完成，使用的是最优路径解码算法，即：在每个时间步选择一个概率最大的字符。在使用过程中，需要在 `infer.py` 中指定具体的模型保存路径、图片固定尺寸、batch_size（默认为10）、标记词典路径和图片文件的列表文件。执行如下代码：


peterzhang2029 · 2017-10-27T03:22:47Z

scene_text_recognition/README.md

- `model_save_dir` 模型参数会的保存目录目录， 默认为当前目录下的`models`目录。
+- `test_file_list` ：测试数据的列表文件，格式同上。
+- `label_dict_path` ：训练数据中标记字典的存储路径，如果指定路径中字典文件不存在，程序会使用训练数据中的标记数据自动生成标记字典。
+- `model_save_dir` ：模型参数的保存目录，默认为`./models`。


peterzhang2029 · 2017-10-27T03:23:00Z

scene_text_recognition/README.md

- 本模型使用的数据集较小，可以选用其他更大的数据集\[[3](#参考文献)\]来训练需要的模型
+- 由于模型依赖的 `warp CTC` 只有CUDA的实现，本模型只支持 GPU 运行。
+- 本模型参数较多，占用显存比较大，实际执行时可以通过调节 `batch_size` 来控制显存占用。
+- 本例使用的数据集较小，如有需要，可以选用其他更大的数据集\[[3](#参考文献)\]来训练模型。


peterzhang2029 · 2017-10-27T03:25:24Z

scene_text_recognition/model.py

@@ -45,12 +45,11 @@ def __build_nn__(self):
        '''
        Build the network topology.
        '''
-        # CNN output image features.
+        # Get the image features with CNN.


peterzhang2029 · 2017-10-27T03:25:39Z

scene_text_recognition/model.py

@@ -68,7 +67,7 @@ def __build_nn__(self):
            act=Relu(),
            reverse=True)

-        # Map each step of RNN to character distribution.
+        # Map the output of RNN to character distribution.


lcy-seso

Almost LGTM.

lcy-seso · 2017-10-27T13:06:11Z

scene_text_recognition/network_conf.py

+            else:
+                num_channels = None
+
+            tmp = img_conv_group(


return img_conv_group

lcy-seso · 2017-10-27T13:11:13Z

scene_text_recognition/README.md

+
+## STR任务简介
+
+在现实生活中，许多图片中的文字为图片所处场景的理解提供了丰富的语义信息（例如：路牌、菜单、街道标语等）。同时，场景图片文字识别技术的发展也促进了一些新型应用的产生，例如：\[[1](#参考文献)\]通过使用深度学习模型来自动识别路牌中的文字，帮助街景应用获取更加准确的地址信息。


"许多图片中的文字为图片所处场景的理解提供了丰富的语义信息 " 这句话不通顺。

第二句话：同时，场景图片文字识别技术的发展也促进了一些新型应用的产生，请先给“场景图片文字识别”下定义。

lcy-seso · 2017-10-27T13:12:06Z

scene_text_recognition/README.md

+
+在现实生活中，许多图片中的文字为图片所处场景的理解提供了丰富的语义信息（例如：路牌、菜单、街道标语等）。同时，场景图片文字识别技术的发展也促进了一些新型应用的产生，例如：\[[1](#参考文献)\]通过使用深度学习模型来自动识别路牌中的文字，帮助街景应用获取更加准确的地址信息。
+
+本例将演示如何用 PaddlePaddle 完成 **场景文字识别 (STR, Scene Text Recognition)** 任务。如下图所示，给定一张场景图片，`STR` 需要从中识别出对应的文字"keep"。


如下图所示， --> 任务如下图所示

lcy-seso · 2017-10-27T13:12:26Z

scene_text_recognition/README.md

+
+<p align="center">
+<img src="./images/503.jpg"/><br/>
+图 1. 数据示例 "keep"


输入数据示例

lcy-seso · 2017-10-27T13:12:49Z

scene_text_recognition/README.md

+pip install -r requirements.txt
+```
+
+### 指定训练配置参数


修改配置参数

lcy-seso · 2017-10-27T13:13:16Z

scene_text_recognition/README.md

+
+### 指定训练配置参数
+
+ `config.py` 脚本中包含了模型配置和训练相关的参数以及对应的详细解释，代码如下：


代码片段如下。

lcy-seso · 2017-10-27T13:13:35Z

scene_text_recognition/README.md

+      ...
+```
+
+修改 `config.py` 脚本可以实现对参数的调整。例如，通过修改 `use_gpu` 参数来指定是否使用 GPU 进行训练。


通过修改

加 ”通过” 就缺乏主语了 @lcy-seso

祈使句可以不需要主语~ 不过这里都可以。我觉得可以按照个人意愿酌情修改。

lcy-seso · 2017-10-27T13:14:01Z

scene_text_recognition/README.md

+
+```
+
+- `train_file_list` ：训练数据的列表文件，每行由图片的存储路径和对应的标记文本组成，具体格式为：


格式为：

lcy-seso

LGMT.

peterzhang2029 added 6 commits September 14, 2017 23:05

add infer.py for ctc

c6e2318

add scene_text_recognition

13241c6

add aciidic code

820a3dd

fix typo in README

6d3d1a8

rm ctc

496592b

simplify README in str

6170035

lcy-seso requested changes Sep 27, 2017

View reviewed changes

refine doc and add evals for ctc

5f902e0

lcy-seso requested a review from ranqiu92 October 24, 2017 10:59

ranqiu92 requested changes Oct 25, 2017

View reviewed changes

peterzhang2029 force-pushed the str_dev branch from cb3c400 to f02f4c6 Compare October 25, 2017 11:23

ranqiu92 requested changes Oct 25, 2017

View reviewed changes

add config and refine doc

0fa990b

peterzhang2029 force-pushed the str_dev branch 3 times, most recently from f994b2f to 4c70682 Compare October 26, 2017 03:28

ranqiu92 requested changes Oct 26, 2017

View reviewed changes

peterzhang2029 force-pushed the str_dev branch 4 times, most recently from f1ef2e9 to a3316a4 Compare October 27, 2017 01:55

ranqiu92 requested changes Oct 27, 2017

View reviewed changes

update the dictionary module

672e856

peterzhang2029 force-pushed the str_dev branch from a3316a4 to 672e856 Compare October 27, 2017 03:02

peterzhang2029 commented Oct 27, 2017

View reviewed changes

rename the model config file

020f1f7

lcy-seso reviewed Oct 27, 2017

View reviewed changes

refine doc

ad8f900

lcy-seso approved these changes Oct 27, 2017

View reviewed changes

ranqiu92 approved these changes Oct 27, 2017

View reviewed changes

lcy-seso merged commit d2d3b0e into PaddlePaddle:develop Oct 29, 2017

peterzhang2029 deleted the str_dev branch October 31, 2017 05:02


		在现实生活中，包括路牌、菜单、大厦标语在内的很多场景均会有文字出现，这些场景的照片中的文字为图片场景的理解提供了更多信息，\[[1](#参考文献)\]使用深度学习模型自动识别路牌中的文字，帮助街景应用获取更加准确的地址信息。

		本文将针对场景文字识别 (STR, Scene Text Recognition) 任务，演示如何用 PaddlePaddle 实现一个端对端 CTC 的模型 CRNN(Convolutional Recurrent Neural Network)


		在现实生活中，包括路牌、菜单、大厦标语在内的很多场景均会有文字出现，这些场景的照片中的文字为图片场景的理解提供了更多信息，\[[1](#参考文献)\]使用深度学习模型自动识别路牌中的文字，帮助街景应用获取更加准确的地址信息。

		本例将演示如何用 PaddlePaddle 完成场景文字识别 (STR, Scene Text Recognition) 任务。以下图为例，给定一个场景图片，STR需要从图片中识别出对应的文字"keep":



		if __name__ == "__main__":
		model_path = "model.ctc-pass-9-batch-150-test.tar.gz"


		### 指定训练配置参数

		`config.py` 脚本中包含了模型配置的参数以及对应的详细解释，代码如下：


		## STR任务简介

		在现实生活中，许多图片中的文字为图片所处场景的理解提供了丰富的语义信息（例如：路牌、菜单、街道标语等）。同时，针对场景图片的文字识别技术的发展也促进了一些新型应用的产生，例如：\[[1](#参考文献)\]通过使用深度学习模型来自动识别路牌中的文字，帮助街景应用获取更加准确的地址信息。



		### 预测
		预测部分由 `infer.py` 完成，使用的是最优路径解码算法，即：在每个时间步选择一个概率最大的字符。在使用过程中，需要在 `infer.py` 中指定具体的模型保存路径、图片固定尺寸、batch_size（默认设置为10）、标记词典路径和图片文件的列表文件。执行如下代码：

		@@ -21,7 +21,7 @@ pip install -r requirements.txt

		### 指定训练配置参数

		通过 `config.py` 脚本修改训练和模型配置参数，脚本中有对可配置参数的详细解释，示例如下：


		### 指定训练配置参数

		`config.py` 脚本中包含了模型配置和训练相关的参数以及对应的详细解释，代码如下：


		```

		- `train_file_list` ：训练数据的列表文件，每行由图片的存储路径和对应的标记文本组成，具体格式为：

add scene_text_recognition #329

add scene_text_recognition #329

Conversation

peterzhang2029 commented Sep 27, 2017

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

peterzhang2029 commented Sep 28, 2017

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

lcy-seso left a comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment

Choose a reason for hiding this comment