算法竞赛实践-通用场景OCR文本识别任务_改进学习策略

上分思路

• 调整模型超参数并重新finetune
• 改进检测流程
• 尝试在其它模型基础上finetune
• 添加图片预处理
• 搭建更优的模型结构并从零训练

分析图片数据

1. 部分图片如小票等拍摄时有偏转和透视角度
   解决思路：
   考虑多旋转几个方向测试
   用霍夫变换、透视变换摆正

2. 部分像广告类图片存在各种样式的艺术字体
   解决思路：
   切出来finetun recognizer
   从图像检索任务借鉴思路

3. 字迹模糊的样本
   解决思路：
   锐化和对比度增强类处理
   训练时加随机模糊提高鲁棒性

4. 广告类存在弯曲排版的文本
   解决思路：
   有针对性地数据增广增加样本量
   尝试用TPS变换将边缘曲率归零

图像增加的一些方法

• 锐化
• 对比度
• 直方图均衡化
• 逐通道标准化
• 高反差保留
• 透视变换