01 问题描述与 OCR pipeline
照片OCR问题注重的是如何让计算机读出照片中的文字信息(照片OCR对于读取文档来说很简单,但是对于数码照片来说还是很难的)
- 照片OCR当你输入文字时,计算机就能自动的帮你找到相册里带有这些文字的照片,它有如下几个步骤:
- 给定某个照片,将其图像扫描一遍。
- 找出照片中的文字信息
- 找出照片中的文字信息之后,将重点关注这些文字区域,并对区域中的文字进行识别,当它正确读出这些文字之后,他会将这些文字内容显示并记录下来。
- 总体来说步骤分为三类:文字检测、字符分割以及字符分类(其实还有个拼写校正)。
- 像这样的系统,我们把它称为机器学习流水线:首先有一个照片,然后把它传给文字检测系统,识别出文字区域后,将文字区域中的单个字符分割出来,最后对这些单个字母进行识别。
02 滑动窗口
关于流水线中每个独立的组件的工作原理,主要讲一个叫滑动窗口分类器。