吴恩达机器学习笔记week11

  本周主要是讲了一个OCR的案例。主要内容是machine learning pipeline, text detection,character segmentation,data synthesis,以及ceiling analysis。

Machine Learning Pipeline

  数据集比较多的时候,可能端到端训练更好,但是数据集比较少的时候,可能PipeLine更有效一些:
这里写图片描述

Text Detection

  这块Dr. Ng用的是Sliding Window的方式,其实现在已经有很多Detection的网络了。当然,这门课是13年讲的吧,所以并不是那么更新的快。Deeplearing.ai已经用的是yolov2了。

Character Segementation

  这块也是sliding window。应该也有一些检测网络能够检测了。其实目标检测就可以啊。
这里写图片描述

Data Synthesis

  其实DeepLearing.ai里边也有讲,这里就是给一个案例:
  比方说对于字符来说,我有了A,B的样本,其实我是可以知道是什么字体的。那么我就可以使用样本的背景,然后相同字体替换样本,扩充数据集。同时也可以增加一些畸变。
这里写图片描述

Ceiling Analysis

  这个其实比较重要,尤其是对于PipeLine来讲。方法就是假如我有一个pipeline,ABCD。然后我的总体系统性能是70%。那么我可以依次把A先设定为完美,看系统性能,再在这个基础上把B设定为完美,看系统性能,以此类推,这样我就能知道到底那个系统最值得投入时间和资源进行改进,从而让整体系统最优。
这里写图片描述

Discussion on Getting More Data

  有的时候我们可能高估了采数据的难度,所以我们应该仔细分析一下究竟想获得x10倍的数据,需要花多久。
这里写图片描述

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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