OCR文字识别基础

OCR文字识别

一般来说，OCR文字识别是检测+识别，首先将可能在文字的区域检测出来，然后在进行识别。本质是识别图片中的文字，即在复杂的图片背景下对所需目标文字进行识别提取。

1、文字识别基础步骤
① detection：检测存在文字的区域，得到proposal。
② recognation：识别proposal中的文字。

2、文字区域 detection
对文字存在区域的detection方法，与目标检测领域的常用检测方法相当，分为one-stage和two-stage方法，（后续也可以考虑使用anchor free的方法对文字propsal进行检测）。
（1） 在文字识别领域，常用的two-stage方法为faster rcnn，one-stage方法主要有yolo系列方法。相比之下，前者的精度更好，后者速度更快。
（2）在文字识别领域，与传统目标检测的不同还在于文字的方向、扭曲程度等。
① 对于水平文字的检测。水平文字文本框是规则的四边形（四个自由度），类似于物体检测。水平文字检测效果较好的算法为CPTN：Detecting Text in Natural Image with Connectionist Text Proposal Network, ECCV, 2016。
② 文本框是不规则的四边形，拥有八个自由度，倾斜文字检测较好的算法有cvpr2017提出的EAST和Seglink。一般的检测套路为：检测文本框 --> 采用Radon Hough变换等方法进行文本矫正 --> 通过投影直方图分割单行文本图片