大数据最新使用计算机视觉和深度学习创建现代 OCR 管道_深度学习管道，2024年最新2024最新大数据开发笔试题目-CSDN博客

本文链接：https://blog.csdn.net/2401_84182665/article/details/138920762

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

文章目录

- 研究和原型设计

在这篇文章中，我们将带您了解我们如何为[【移动文档扫描仪】构建最先进的光学字符识别（OCR）管道的幕后故事。我们使用了计算机视觉和深度学习的进步，如双向长短期记忆（LSTM），连接主义时间分类（CTC），卷积神经网络（CNN）等。此外，我们还将深入研究如何实际使我们的 OCR 管道在 Dropbox 规模上做好生产准备。

文档扫描仪可以使用手机拍照并[“扫描”]收据和发票等项目。我们的移动文档扫描仪仅输出图像 - 就计算机而言，图像中的任何文本都只是一组像素，无法复制粘贴，搜索或您可以对文本执行的任何其他操作。

因此，需要应用光学字符识别或OCR。此过程从我们的文档扫描图像中提取实际文本。运行 OCR 后，我们可以为 Dropbox Business 用户启用以下功能：

提取扫描文档中的所有文本并为其编制索引，以便以后可以搜索
创建隐藏的叠加层，以便可以从另存为 PDF 的扫描件中复制和粘贴文本

当我们构建移动文档扫描仪的第一个版本时，我们使用了一个商用现成的 OCR 库，以便在深入创建我们自己的基于机器学习的 OCR 系统之前进行产品验证。这意味着将商业系统集成到我们的扫描管道中，为我们的业务用户提供上述两种功能，以查看他们是否从OCR中找到了足够的用途。一旦我们确认用户对移动文档扫描仪和OCR的需求确实很强烈，我们决定构建自己的内部OCR系统，原因有几个。

首先，有一个成本考虑：拥有自己的OCR系统将为我们节省大量资金，因为许可的商业OCR SDK根据扫描次数向我们收费。其次，商业系统针对平板扫描仪图像的传统OCR世界进行了调整，而我们的操作场景要困难得多，因为手机照片更加不受约束，具有褶皱或弯曲的文档，阴影和不均匀的照明，模糊和反射高光等。因此，我们可能有机会提高识别准确性。

事实上，计算机视觉世界发生了翻天覆地的变化，这给了我们一个独特的机会。传统上，OCR系统是大量流水线的，手工构建和高度调整的模块利用了各种条件，它们可以假设使用平板扫描仪捕获的图像是正确的。例如，一个模块可能查找文本行，然后下一个模块将查找单词和段字母，然后另一个模块可能会对字符的每个部分应用不同的技术来找出字符是什么，依此类推。大多数方法都依赖于输入图像的二值化作为早期阶段，这可能很脆弱，并丢弃了重要的线索。构建这些 OCR 系统的过程非常专业且劳动密集型，系统通常只能处理来自平板扫描仪的相当有限的影像。

在过去的几年中，深度学习成功地应用于计算机视觉中的许多问题，这些问题为我们提供了强大的新工具来处理OCR，而不必复制过去复杂的处理管道，而是依靠大量数据让系统自动学习如何执行许多以前手动设计的步骤。