task2 ocr识别改进

1 图像处理

    输入文本经过扫描仪进入计算机后，由于纸张的厚薄、光洁度和印刷质量都会造成文字畸变，产生断笔、粘连和污点等干扰，所以在进行文字识别之前，要对带有噪声的文字图像进行处理。由于这种处理工作是在文字识别之前，所以被称为预处理。预处理一般包括灰度化、二值化，倾斜检测与校正，行、字切分，平滑，规范化等等。

也可以进行去除噪声，通过外设采集的图像通常为彩色图像，彩色图像会夹杂一些干扰信息，灰度化处理的主要目的就是滤除这些信息，灰度化的实质其实就是将原本由三维描述的像素点，映射为一维描述的像素点。

　对摄像头拍摄的图片，大多数是彩色图片，彩色图像所含的信息量巨大，对于图片的内容，我们可以简单的分为前景和背景，为了让计算机更快的，更好的识别文字，我们可以简单地分为前景和背景，为了让计算机更快的，更好的识别文字，我们需要对彩色图进行处理，使图片只剩下前景信息和背景信息，可以简单的定义前景信息为黑色，背景信息为白色，这就是二值化图

2 多模态处理

  本次比赛提供的csv文件中，目的是通过图像识别出文字信息，类似于多模态的任务，而不是简单的目标检测等分类任务，因此对图像中文字的识别需要格外用心，精度要求很高，同时识别出的文字信息，未来也可以做为多模态系统的nlp部分，达到cv与nlp的结合

3 数据调参

因为本次模型大家通用的是paddle ocr 的库，因此主要精力是放在模型调参上，一般遵循 batsize由小到大等环节，bert中的batchsize一般遵循8-16-32等规则，可以自行探索相关要求