• 吴恩达《机器学习》课程总结(18)_照片OCR


    18.1问题描述和流程图

    (1)图像文字识别是从给定的一张图片中识别文字。

    (2)流程包括:

    1.文字侦测

    2.字符切分(现在不需要切分了)

    3.字符分类

    18.2滑动窗口

    在行人检测中,滑动窗口是首先训练一个固定尺寸输入的判断是否有行人的网络,然后在一张图片中裁该尺寸的图片,送入到网络中;然后不断移动裁剪区,重复以上过程,知道裁剪到最后,这时按比例放大裁剪区,然后将裁剪到的图片缩放到网络的输入,如此循环。

    首先滑动窗口同样用于文字识别,做字符与非字符区分,然后把字符区域适当扩展,然后合并重叠区域,按照高宽比进行过滤(认为长度大于高度),如下图所示:

    然后进行文字的分割,通用训练一个模型,数据集如下:

    分割出单个字符之后,利用神经网络、支持向量机或者逻辑回归训练一个分类器即可。

    18.3获取大量数据和人工数据

    (1)从网上下载字体,然后随机添加跟着背景创造实例;

    (2)利用已有数据进行旋转、扭曲、模糊处理等产生新数据;

    有关获取更多数据的方法:

    (1)人工数据合成;

    (2)手动收集、标记数据;

    (3)众包;

    18.4上限分析:哪部分管道该接下去做

    如下下面的流程中,本来正确率为72%,如果提供完全正确的文字检测作为文字分割的输入,发现系统正确率提升到了89%,说明要下功夫在文字检测上了。

    下表是每一步如果完全正确,会带来多大的提升,如果提升越大,说明越要花功夫在这一步上。下表首先要花功夫在文字检测上,然后是文字识别,而文字分割已经做得很好了。

  • 相关阅读:
    socket.io
    CUDA升级后
    QT安装
    windows时钟服务设置
    QT的DPI支持
    cudaDeviceProp结构体
    C#调用C++的dll各种传参
    「LibreOJ#516」DP 一般看规律
    「LibreOJ#515」贪心只能过样例 (暴力+bitset)
    [Codeforces888E]Maximum Subsequence(暴力+meet-in-the-middle)
  • 原文地址:https://www.cnblogs.com/henuliulei/p/11290260.html
Copyright © 2020-2023  润新知