吴恩达ML课程笔记（Chapter 18：OCR）

18-1 问题描述与OCR pipeline

1.OCR工作流程：文本检测，字符分割，字符分类

18-2 滑动窗口

1.我们用滑动窗口来检测文本+分割字符，用监督算法来进行字符分类

18-3 获取大量数据和人工数据

1.获取人工数据：对自然数据进行等分、缩放或者旋转

2.比如说，人工拉伸：

3.再比如语音样本，我们可以在获取了一个干净的语音样本的基础上，通过人为添加噪音来获得更多的样本

4.人工添加噪音后，得到的样本应该是要有代表性的

5.当然，在人为添加大量数据前，需要先保证我们的模型是底偏差的，这样我们人为制造的大量训练数据才有意义

6.人为添加数据的方法：
1）人为添加失真
2）人为收集数据/标记数据
3）众包服务（也就是花钱让别人来帮你标记数据，比如亚马逊的mechanical Turk）

18-4 上限分析

1.我用OCR来举个例子，比如现在整个系统的准确率是72%，那么我现在就改一下文本检测模块的方法：直接用测试集去训练我们的文本检测模块的模型，看看这样得到的系统总准确度提升了多少，如果提升得多，那就说明花大力气在这方面是值得的，其它模块也是类似