【吴恩达机器学习笔记】十六、应用实例：图片文字识别_机器学习文字识别

于 2025-01-14 23:20:55 发布
阅读量902 收藏 27
点赞数 27
文章标签： 机器学习 笔记 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/2401_89317544/article/details/145149686
版权

💡专栏地址：https://blog.youkuaiyun.com/Newin2020/article/details/128125806
📝视频地址：吴恩达机器学习系列课程
❤️如果有收获的话，欢迎点赞👍收藏📁，您的支持就是我创作的最大动力💪

十六、应用实例：图片文字识别

1. 问题描述和流程图

我们希望可以通过扫描图片从提取关键字，这样当我们输入关键字时机器就能帮我们正确找到对应的照片，而不用我们煞费心思去找一些图片，接下来我们就来讲讲**照片OCR流水线（pipeline）**的处理。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-1hkKbHLD-1670546701701)(吴恩达机器学习.assets/image-20211121185321954.png)]

我们首先会对图片中含有文字的地方进行检测并提取出来，然后自动将其分割成不同字符并进行分类，正如下面流程图：

最低0.47元/天 解锁文章
【吴恩达机器学习笔记】十六、应用实例：图片文字识别_机器学习文字识别(1)
2401_84181731的博客
04-30 651
在讲字符检测的具体方法之前，我们先看看是如何对行人进行检测的。比如我们会从数据集中收集一些82×36的照片即正负样本，其中有包含行人的即y=1，其中有不包括行人的即y=0，然后给机器学习，接下来我们就可以利用对图片进行检测了。我们会用一个82×36的窗口在图片上滑动，每次滑动的距离就是步长，每次会将窗口中的信息传递给分类器去判断是1还是0，对整张图片检测完后，会换一个更大的窗口再进行滑动检测。这里要注意的是，使用更大的窗口时，要将窗口中的图片转化成82×36的再传入分类器，这样就能找出所有行人了。
吴恩达机器学习笔记：第 10 周-18应用实例：图片文字识别(Application Example: Photo OCR)18.1-18.2
weixin_43597208的博客
05-11 567
然后我们用之前训练识别行人的模型时所采用的图片尺寸在我们要进行行人识别的图片上进行剪裁，然后将剪裁得到的切片交给模型，让模型判断是否为行人，然后在图片上滑动剪裁区域重新进行剪裁，将新剪裁的切片也交给模型进行判断，如此循环直至将图片全部检测完。滑动窗口技术也被用于文字识别，首先训练模型能够区分字符与非字符，然后，运用滑动窗口技术识别字符，一旦完成了字符的识别，我们将识别得出的区域进行一些扩展，然后将重叠的区域进行合并。下图中绿色的区域是经过这些步骤后被认为是文字的区域，而红色的区域是被忽略的。
图片文字识别
01-08
图片文字识别
【MindSpore】【跟着小Mi一起机器学习吧】图片文字识别
skytttttt9394的博客
12-31 317
时间可过得真快，本周小Mi的更新便是我们机器学习系列的最后一期啦！说了那么多理论，总该来点案例对不对！废话不多说，让我们开始吧~ 定义 那么什么是图片文字识别呢？其实对应的英文全称为Photo Optical Character Recognition，也可以翻译为图片光学字符识别。 随着智能手机拍照功能的成熟，OCR技术注重的是如何让计算机读取图片中的文字信息，从而方便以后的自动查找，而不是从成千上万的照片中用鼠标一张张照片点开查询，再逐个关闭（是不是想想都头大呢）。当然啦，从一张给定的图片中识别文
Andrew NG 机器学习 笔记-week11-应用实例：图片文字识别（Application Example：Photo OCR）
无关风月
11-06 2983
1、问题描述和流程图（Problem Description and Pipeline）photo OCR：photo Optical Character Recognition图像文字识别，要求从一张给定的图片中识别文字。为了完成这样的工作，需要采取如下步骤： 文字侦测（Test detection）：将图片上的文字与其他环境对象分离开来 字符切分（Character segmentation）：
吴恩达：那些年我熬过的夜！
m0_59164304的博客
07-09 1233
今天咱们来聊聊一位业界大佬的心路历程。他不是别人，正是我们的机器学习教父、Coursera的联合创始人、斯坦福大学的兼职教授、前百度AI集团和谷歌大脑的掌门人——吴恩达（Andrew Ng）。吴教父最近发表了一篇长文，讲述了他在AI教育领域的心得体会。说实话，看完之后我都不知道该哭还是该笑了。这简直就是一个**学霸版的"我太难了"**啊！首先，吴大佬提到，随着AI技术的普及，无论是开发者还是非开发者，都需要高质量的培训来跟上时代的步伐。听起来很正常是吧？
林轩田-吴恩达机器学习笔记.pdf
09-22
林轩田和吴恩达的《机器学习基石》课程笔记详细地涵盖了机器学习领域的基础理论和核心概念。林轩田在课程中细致地讲解了机器学习中的关键问题，包括学习问题的本质、如何对Yes-No问题进行学习、不同类型的学习方法、...
吴恩达机器学习笔记.pdf
最新发布
04-15
吴恩达机器学习课程的笔记文件中包含了监督学习、线性回归、分类与逻辑回归、广义线性模型、生成学习算法以及核方法等多个主题的深入讲解，内容丰富，涉及了机器学习领域的核心概念与算法。 首先，在监督学习部分，...
TensorFlow相关组件的安装
AAI666666的博客
01-11 2872
TensorFlow相关组件的安装
AI 名人堂：Andrew Ng（吴恩达）
xinzhaobuxuan的博客
12-12 1858
吴恩达（Andrew Yan-Tak Ng），1976年出生于英国伦敦，美籍华人计算机科学家。他的成长经历跨越了香港和新加坡，最终在新加坡莱佛士书院完成学业。1997年，他在美国卡内基梅隆大学以优异成绩获得计算机科学、统计学和经济学三重专业学位。之后，他在麻省理工学院获得硕士学位，并在加州大学伯克利分校获得博士学位，师从Michael I. Jordan，其博士论文至今仍被广泛引用。吴恩达也是在线教育的先驱，他共同创立了Coursera和deeplearning.ai，通过在线课程引领了“深度学习民主化”
吴恩达深度学习Deep Learning课程笔记
yxx35AN的博客
06-20 4626
在计算机中为了保存一张图片，需要保存三个矩阵，它们分别对应图片中的红、绿、蓝三种颜色通道，如果你的图片大小为64x64像素，那么你就有三个规模为64x64的矩阵，分别对应图片中红、绿、蓝三种像素的强度值。从简单的根据房子尺寸预测房价例子开始，拟合房价的过程从左抽象为右，输入房子尺寸，输出价格，这就是一个简单的神经网络，中间的圆圈就是一个独立的神经元。损失函数是在单个训练样本中定义的，它衡量的是算法在单个训练样本中表现如何，为了衡量算法在全部训练样本上的表现如何，我们需要定义一个算法的总代价函数，即对。
一篇文章了解吴恩达
2401_82629417的博客
08-19 676
Coursera是一个提供大型开放式网络课程（MOOC）的平台，通过这个平台，全球众多知名院校提供了超过1000门的在线课程。2014年5月，吴恩达加入百度公司，担任首席科学家，负责领导百度研究院，特别是Baidu Brain计划。吴恩达的工作和研究成果在人工智能和机器学习领域产生了深远的影响，他也被广泛视为这一领域的先行者之一。攒了一个微信群，大家可以在里面讨论AI相关的技术、产品、运营、商业知识和资讯，欢迎扫码加入。这是我的个人微信，欢迎添加，找我讨论AI相关的内容。🍎持续分享aigc干货。
“AI 程序员”席卷而来，吴恩达四步设计让 Agent 提前超越 GPT-5
AI科技大本营
04-05 1万+
作者| 王启隆出品 | AI 科技大本营（ID：rgznai100）有不少科幻片描绘了这样的世界：数字实体执行一座城市的所有任务，人工智能可以与数字世界甚至物理世界的一切事物进行交互，不断学习和适应新环境，周围的人对此司空见惯，仿佛一切都理应如此……现在，随着 AI Agents 的应用浮出水面，这种幻想逐渐走入了现实。Agent 可以翻译为“代理”，在 AI 领域有了“智能体“这一含义，是当前...
2-1 Coursera吴恩达《改善深度神经网络》 第一周课程笔记-深度学习的实践方面
csdn_xmj的博客
03-20 7887
记录吴恩达Andrew Ng深度学习专项课程笔记，方便之后回顾，共5门课。第一门课《神经网络与深度学习》（Neural Networks and Deep Learning）的4周课程笔记请见如下链接： 1-1 Coursera吴恩达《神经网络与深度学习》第一周课程笔记-深度学习概论 1-2 Coursera吴恩达《神经网络与深度学习》第二周课程笔记-神经网络基础 1-3 Coursera吴恩达《神经网络与深度学习》第三周课程笔记-浅层神经网络 1-4 Coursera吴恩达《神经网络与深度学习》第
AI认知 | 吴恩达：AI Agent工作流
2301_76161259的博客
08-03 1030
吴恩达教授，斯坦福大学计算机科学系和电子工程系副教授，人工智能实验室主任。是人工智能和机器学习领域国际上最权威的学者之一。DeepLearning.AI创始人，并开创性地提出了深度学习概念。本文是整理吴恩达教授在红杉资本的人工智能峰会(AI Ascent)上发表演讲的内容。他提到了AI agent工作流多步迭代的模式与基于人工评估基准测试的效果分析，对于AI agent设计模式的四种分类，包括检查、工具使用、规划、多智能体协作。在当前的技术实践中，大型语言模型的应用通常遵循一种非代理式工作流程。
张长水：机器学习与图像识别
热门推荐
mustar_2017的博客
06-10 2万+
http://www.cbdio.com/BigData/2015-12/23/content_4371155.htm 本讲座选自清华大学自动化系张长水老师于2015年11月26日在 RONG v2.0---图形图像处理与大数据技术论坛上所做的题为《机器学习与图像识别》的演讲。 　　张长水：我的题目叫《机器学习和图像识别》。我主要在做机器学习，不知道在座的听
吴恩达机器学习课程笔记+代码实现(27)18.应用实例：图片文字识别(Application Example: Photo OCR)
肖泽的博客
03-17 943
18.应用实例：图片文字识别(Application Example: Photo OCR) 文章目录18.应用实例：图片文字识别(Application Example: Photo OCR)18.1 问题描述和流程图18.2 滑动窗口18.3 获取大量数据和人工数据18.4 上限分析：哪部分管道的接下去做 18.1 问题描述和流程图        图像...
斯坦福吴恩达机器学习课程笔记2.3：深度解析与实践
医疗信息处理和音频识别也是机器学习应用的实例，展示了机器学习在医疗诊断和音频信号处理等领域的强大能力。 此外，笔记中提到的课程资源，如课件和视频，为学习者提供了全面的学习材料。中英文字幕方便了不同语言...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值