18. 应用例子图片识别文本(Photo OCR)

第十一周 Lecture 18

1. 问题描述：从一张照片识别出文本 Photo OCR(Optical Character Recognization)
   流水线（Pipeline）

   
   image.png

• 文本检测，使用滑动窗口（sliding window)
  设计一个w * h 大小的矩形，判断是否有文本（可以使用逻辑回归或神经网络的方法判断），每次向右移动w1象素，再判断，移到最右边后，再向下移动h1象素，循环判断。如下图例所示：

  
  image.png
  image.png

• 字母分割
  滑动窗口，找到两个字母交界处（使用使用逻辑回归或神经网络的方法判断）
  然后中间分割一下。

  
  image.png
• 字母识别
  使用使用逻辑回归或神经网络的方法即可

2. 获得大量数据和人工数据(get lots of data/Artificial data synthesis）

• 人工生成训练数据
  例如：字母识别，可以使用不同的字体重新生成数据

  
  image.png
  

  再如：对于语音识别，人为制造噪音(noisy)

• 获得更多训练数据的要点
  1. 增加训练数据前，要确保算法已经是“低偏差” low bias
  2. 如果获得更多数据
     用代码人工生成（Artificial data synthesis)
     人工标记 Collect / Label it your self ,使用“众包”（crowd source)

3. 天花板分析（ceiling analysis)
   决定对哪个模块付出更多投入，或是哪些投入最有效
   方法是：假设某一步的准确率为100%时，总结准确率会变成多少。如果将某一步的准确率设为100%后，总体的准确率有较大的提高，说明这一步投入的精力/努力是有价值的。