吴恩达机器学习笔记week18——应用实例：Photo OCR

最新推荐文章于 2024-09-13 11:18:00 发布
最新推荐文章于 2024-09-13 11:18:00 发布
阅读量57 收藏
点赞数
文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Saulty/article/details/109682406
版权

吴恩达机器学习笔记week18——应用实例：Photo OCR

18-1.问题描述与.OCR.pipeline Problem description and OCR pipeline

机器学习流水线（步骤）
人工数据合成 artificial data synthesis
在这里插入图片描述
how to let computer read the text to the purest in images
步骤：
1-找到图片中字的位置
2-识别文字内容，显示并记录下来
在这里插入图片描述
photo OCR pipeline（重要）
在这里插入图片描述
可应用于盲人或汽车导航系统

18-2.滑动窗口 Sliding windows

在这里插入图片描述
区别在于行人的检测框长宽比例差不多
在这里插入图片描述
在这里插入图片描述
变换框的大小
在这里插入图片描述
在这里插入图片描述
expansion operator 大算子
在这里插入图片描述

18-3.获取大量数据和人工数据 Getting lots of data:Artificial data synthesis

1-自己制作数据集，复制不同字体到不同背景中
在这里插入图片描述
2-扭曲
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

18-4.天花板分析：下一步工作的.pipeline Ceiling analysis:What part of the pipeline to work on next

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

19-1.总结与感谢 Summary and Thank you

在这里插入图片描述
在这里插入图片描述

Saulty
关注
学习笔记-图像识别(Photo OCR)
maryyu8873的博客
10-10 1037
The photo OCR problemPhoto OCR 全称 Photo Optical Character Recognition，即图像识别。例如识别下图中的文字： 文字识别的一般步骤如下： 1. 检测文字所在的区域； 2. 字符拆分； 3. 字符识别。 Sliding windows采用滑窗策略来检测目标所在区域。如下图红框均为包含识别目标的滑动框： 针对每一个选定的窗口，利
吴恩达机器学习课程笔记+代码实现(27)18.应用实例：图片文字识别(Application Example: Photo OCR)
肖泽的博客
03-17 862
18.应用实例：图片文字识别(Application Example: Photo OCR) 文章目录18.应用实例：图片文字识别(Application Example: Photo OCR)18.1 问题描述和流程图18.2 滑动窗口18.3 获取大量数据和人工数据18.4 上限分析：哪部分管道的接下去做 18.1 问题描述和流程图        图像...
Photo OCR
LilyNothing的博客
08-17 2493
Photo OCR本篇博客将会对andrew ng机器学习的最后一章进行描述。最后一章是将会是图像识别的应用。photo ocr 是指照片光学字符识别。1. problem description and pipeline2. sliding windows（滑动窗）滑动窗是一种分类器。 用滑动窗的方法来建立一个行人分类器，先找到一些有行人的图片和一些没行人的图片训练模型，之后再输入测试集进行测试
Machine Learning第十一周笔记：photo OCR
Marcovaldong的博客
04-17 9024
博客已经迁移至Marcovaldo’s blog (http://marcovaldong.github.io/)刚刚完成了Cousera上Machine Learning的最后一周课程，这周介绍了machine learning的一个应用：photo OCR（optimal character recognition，光学字符识别），下面将笔记整理在下面。Photo OCRProblem Desc
Application example:Photo OCR(应用的举例：照片的光学字符识别)
qq_36417014的博客
12-07 459
前言 在前面，我们给大家介绍了很多的机器学习算法，有关于监督学习的线性回归、逻辑回归、神经网络、支持向量机SVM，还有关于无监督学习的聚类问题(K-means)、降维(PCA)、异常检测。在这一章将给大家介绍一个关于机器学习的应用例子，Photo OCR(Optical Character Recognition)，这也是这个课程的最后一章内容，希望大家在学完整个课程后能多把这些用到实...
机器学习（十八）应用实例：照片OCR
weixin_53312629的博客
08-18 1667
本篇文章主要介绍了一种叫做照片 OCR 的机器学习的应用实例，它注重的问题是如何让计算机读出图片中的文字信息，随后我们介绍了流水线的概念；在滑动窗口中通过行人检测和文本检测的例子来说明滑动窗口的作用；在人工数据合成中我们讨论了人工数据合成的两种方法，从零开始生成新数据，或是扩充一个已有的训练集；上限分析是个很有用的工具，可以用来衡量模块，当我们想花精力到某个模块上时，我们可以确定这样做会不会有效果，整个系统的表现会不会产生明显的提高。......
吴恩达机器学习笔记（十八）——机器图片识别(应用实例)
大鹏小站的博客
02-28 1390
第十八章 应用实例：图片文字识别(Application Example: Photo OCR) 1、问题描述和流程图 图像文字识别应用所作的事是，从一张给定的图片中识别文字。这比从一份扫描文档中识别文字要复杂的多。 为了完成这样的工作，需要采取如下步骤： 1.文字侦测（Text detection）——将图片上的文字与其他环境对象分离开来 2.字符切分（Character segmentati...
2022吴恩达机器学习笔记汇总(共10章节).zip
12-27
2022吴恩达机器学习笔记汇总(共10章节).zip2022吴恩达机器学习笔记汇总(共10章节).zip2022吴恩达机器学习笔记汇总(共10章节).zip2022吴恩达机器学习笔记汇总(共10章节).zip2022吴恩达机器学习笔记汇总(共10章节).zip...
吴恩达机器学习课后作业源码及笔记_机器学习_吴恩达_
10-01
这份名为“吴恩达机器学习课后作业源码及笔记”的压缩包文件，无疑是针对他开设的机器学习课程的学习辅助资料。这份资料包括了课程中的习题解答以及相关的编程代码，对于正在学习或已经学过吴恩达机器学习课程的人来...
吴恩达机器学习系列课程笔记——第一章：什么是机器学习(Machine Learning)
weixin_43895667的博客
07-16 2738
吴恩达机器学习系列课程笔记——第一章：什么是机器学习Machine Learning
吴恩达机器学习系列课程笔记——第十章：应用机器学习的建议(Advice for Applying Machine Learning)
weixin_43895667的博客
07-26 962
吴恩达机器学习系列课程笔记——第十章：应用机器学习的建议(Advice for Applying Machine Learning)
Stanford机器学习---第十四讲.机器学习应用举例之Photo OCR
l281865263的专栏
12-13 2148
之前一直在看Standford公开课machine learning中Andrew老师的视频讲解https://class.coursera.org/ml/class/index 同时配合csdn知名博主Rachel Zhang的系列文章进行学习。 不过博主的博客只写到“第十讲 数据降维” http://blog.csdn.net/abcjennifer/article/detai
【机器学习】迁移学习的实践
最新发布
鑫宝的博客
09-13 1576
在深度学习时代,基于参数的迁移学习(Parameter-based Transfer Learning)成为了最常用的迁移学习方法。这种方法通常分为以下几个步骤: 1. **预训练(Pre-training)**: 在源领域的大规模数据集上训练一个深度神经网络模型,作为基础模型。 2. **模型迁移(Model Transfer)**: 将基础模型的部分或全部参数迁移到目标任务中,作为初始化参数。 3. **微调(Fine-tuning)**: 在目标领域的数据上对迁移后的模型进行进一步训练,使其适应目标
【文献阅读】Unsupervised Machine Learning for Bot Detection on Twitter
weixin_42726068的博客
09-11 436
引入新特征，并降低所提模型的复杂性，从而提高基于聚类算法的机器人识别准确性。最小化数据集维度和选择重要特征来实现的。实验证明该方法的特征可以与四种不同的聚类技术（agglomerating、k-medoids、DBSCAN 和 K-means）结合使用，以解决由缺失标签和异常值引起的机器人识别问题。通过选择排名靠前的特征并减少维度，达到了 0.99 的准确率。
神经网络案例实践之单层感知器求解-学习篇
qq_38925911的博客
09-12 361
首先给了五个输入样本，输入样本和位置信息如下所示，现在要学习一个模型，在二维空间中把两个样本分开，输入数据是个矩阵，矩阵中有五个样本，样本的维度是三维，三个维度分别表示偏置，x坐标，y坐标。对应的标签Y是 区分矩阵中的样本，例如：[1,2,3]对应1，[1,4,5]对应1，[1,1,1]对应-1，以此类推。令误差函数为L，预测值为 y，阈值函数f 为符号函数。单层感知器作为线性分类器被广泛应用。怎么样使用单层感知器求解这个问题？x,y表示实际的二维坐标。
机器学习1--概述
qq_54641174的博客
09-12 389
机器学习概述
Oracle自治数据库上的机器学习笔记本现已支持GPU
engchina的专栏
09-12 601
Oracle自治数据库上的机器学习笔记本现已支持GPU
机器学习-聚类算法
weixin_47102187的博客
09-11 442
仅个人笔记，感谢点赞关注！
【机器学习】从零开始理解深度学习——揭开神经网络的神秘面纱
擅长将自己的感受、想法、知识通俗地表达出来，会点前后端开发、自动化测试、性能测试、爬虫。将来可能学硬件、AI。但一定会写实用的脚本。
09-06 2817
深度学习是机器学习的一个重要分支，通过多层神经网络处理复杂数据，广泛应用于图像识别、自然语言处理等领域。我们将在这篇文章中揭开深度学习和神经网络的神秘面纱。
吴恩达机器学习笔记：斯坦福大学2014年机器学习课程学习笔记
吴恩达机器学习个人笔记完整版 吴恩达机器学习个人笔记完整版是根据斯坦福大学2014年机器学习课程视频所做的笔记，主要记录吴恩达老师上课时的重点。该笔记对机器学习的基本概念、模型、算法和应用进行了详细的介绍...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值