【Machine Learning】18 图片文字识别(Application Example: Photo OCR)

本节介绍开发一个机器学习系统的具体例子，系统模块化后的性能分析及提升

介绍这部分内容的原因：

1、学习复杂的机器学习系统的如何组成

2、介绍机器学习流水线、资源分配、下一步的决策

3、机器学习的新理念

18.1 Problem Description and Pipeline

    

OCR流水线、复杂机器学习系统的模块化。

18.2 Sliding Windows

1、我们先来看行人检测：

滑动窗口检测：每次滑动多少？（1像素太慢  一般4像素or8像素）

                         窗口仅含人的部分？（逐渐放大窗口再遍历滑动）

2、每个分出来的小图片都扔到分类器中检测是否有行人：（分类器如何得到？）

3、我们把很可能是文字的区域高亮，较可能为灰色，否则为黑色。然后利用“扩张”使得高亮变大，之后利用高宽比过滤一些高亮区域，在最终留下的高亮区域画框。

4、以上是文字检测部分，接下来将进行文字分割：

利用分类器，滑动窗口进行分割。

最后可以利用神经网络、逻辑回归等等方法为基础的分类器进行字符识别。

18.3 Getting Lots of Data and Artificial Data

如何获取大量数据？从何种渠道？

1、人工合成数据：（首先前提是一个低偏差的分类器）

• 从网站上下载各种字体并搭配不同的背景；
• 对已有字体进行扭曲、旋转、模糊等等处理。

语音识别的样例扩充：增加各种噪声

注意：我们要知道加哪些噪声是有用的

 

2、手动标记/Crowd source

3、注意事项:

首先（可通过学习曲线）明确低偏差分类器；

其次要知道获得大量数据会花费的时间。

18.4 Ceiling Analysis：What Part of the Pipeline to Work on Next

之前我们把机器学习系统分为几个模块，如何知道哪一模块值得花时间和精力去改善呢？

通过ceiling 分析，每个模块的改进对系统性能的提升多大来决定。

---