继续是机器学习课程的笔记,本节课是最后一节内容了,主要是介绍一个应该–图中文字的识别。
问题描述和流程图
图像文字识别应用就是从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得多。一个例子图片如下所示:
为了完成这样的工作,需要采取如下步骤:
- 文字检测(Text detection)——将图片上的文字和其他环境对象分离开来
- 字符切分(Character segmentation)——将文字分割成一个个单一的字符
- 字符分类(Character classification)——确定每一个字符是什么
可以用一个任务流程图来表达这个问题,每一项任务可以由一个单独的小队来负责解决,如下所示,这也就是一个流水线的概念了。
滑动窗口
滑动窗口是一项用来从图像中抽取对象的技术。
假设我们需要在一张图片中识别行人,首先要做的就是用许多固定尺寸的图片来训练一个能够准确识别行人的模型。然后我们以之前训练识别行人的模型时所采用的图片尺寸在我们要进行行人识别的图片上进行剪裁,然后将剪裁得