机器学习 day18应用举例：照片OCR（光学字符识别）

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：
  1. 给定某个照片，将其图像扫描一遍。
  2. 找出照片中的文字信息
  3. 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。

---