15.OCR

15.1 OCR流水线及七工作原理

Photo OCR：照片 光学字符识别(photo optical character recognition)

Photo OCR注重的问题：如何让计算机都出图片中的文字信息，它有以下步骤：

1. 首先给定某张图片，它将图像扫描一遍，然后找出照片中的文字信息。
2. 成功找出这些文字以后，它将重点关注这些文字区域，并对区域中的文字进行识别。当正确读出这些文字以后，它会将这些文字内容显示并记录下来。

如何实现OCR？

1. 首先我们要扫描图像，并找出有文字的图像区域（文字检测）
2. 对有文字的图像区域进行文字分离（字符分割）
3. 分割这些文字得到独立的字符后，使用一个分类器，它会对这些可见字符进行识别，最后就可以得到文字信息（字符分类）

这样的步骤就成为了机器学习流水线。

15.2 滑动窗口分类器

15.3 人工数据合成

• 从零开始创造新数据
• 从已有的小的标签训练集，以某种方式扩充训练集

获取数据：

下载字体，然后将它们放到一个随机北京图片上

 对图像进行人工扭曲

对语音文本加入不同的背景干扰

首先确保算法已经有很低的偏差，整体的模型ok，然后在考虑加数据，否则只是徒劳。

然后考虑加数据的人工和时间成本。

15.4 上限分析

对多个模块进行分析，让其中一个模块达到100%的准确率，然后判断它能提高整个系统多少准确率。