AI-024: 吴恩达教授（Andrew Ng）的机器学习课程学习笔记81-84. Application Example : Photo OCR

本文是学习Andrew Ng的机器学习系列教程的学习笔记。教学视频地址：

https://study.163.com/course/introduction.htm?courseId=1004570029#/courseDetail?tab=1

通过Photo OCR-照片光学文字识别来综合讲述一个机器学习例子：

81. application example – photo OCR – Problem description and pipeline

Centered around an application – photo OCR Optical Character Recognition 照片光学字符识别

步骤：

管道：

82. Application example Photo OCR – Sliding windows

一种分类器 – sliding windows

先使用简化的人检测，人可以认为具有近似的高宽比；

数据准备，正、负样本：

矩形按步长移动：step-size /stride

先使用82*36，然后用大一点的矩形扫描图片，把扫描的图片区域缩放到82*36再进行识别；

文字检测的步骤类似：

准备正负样本：

白色是扫描到文字的，灰度代表是文字的可能性；放到一个大算子上，用矩形圈住文字区域-把已发现的区域扩大一部分描绘成白色：

切割字符，训练字符分割线算法：

83. Application example – Photo OCR – Getting lots of data: Artificial data synthesis

机器学习方法：设计低偏差的机器学习算法，然后用大量数据去学习

通过人工数据合成来获取大量数据，适用于特定的机器学习算法；

两方面：从零创建数据；根据已有的少量标签数据创建更多；

比如图片进行缩放、旋转等处理；

比如把不同字体放到不同背景上生成标签样本；用模糊、缩放、旋转；

不同的算法可能需要不同的失真，来创造更多数据；比如声音识别中加入背景噪音：

引入的干扰噪音要尽量合理，重复的噪音没有意义：

84. Application example – photo OCR – Ceiling analysis: what part of the pipeline to work on next

最宝贵的就是你的时间

Ceiling analysis 上限分析，分析出工作中哪个部分是最重要的，值得花时间优化

步骤：用一种评估方法，评估整个系统的效率；

然后人工标注pipeline第一环节的数据，看系统的整体效率；

…

效率提升最高的部分，就是要重点优化的；