第十九章 应用举例：照片OCR

目录

1 问题描述与 OCR pipeline

2 滑动窗口 

3 人工合成数据

4 天花板分析：下一步工作的 pipeline

---

1 问题描述与 OCR pipeline

OCR问题的任务是从一张给定的图片中识别文字，为了完成这项任务有如下步骤要完成：、

从左至右依次是文字侦测，字符切分，字符分类。

2 滑动窗口 

滑动窗口是一项从图像中抽取对象的技术，首先用许多固定尺寸的图片来训练一个能够准确识别行人的模型，然后用用之前训练识别行人的模型时所采用的图片尺寸在要进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，让模型判断是否是行人，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。
一旦完成后，我们按比例放大剪裁的区域，再以新的尺寸对图片进行剪裁，将新剪裁的切片缩小至模型所采纳的尺寸，交给模型进行判断，如此循环。

滑动窗口同样适用于文字识别，首先训练模型能区分字符，然后应用滑动窗口技术识别字符，下图中绿色部分是字符，红色部分则被忽略。