本文深入探讨了OCR（光学字符识别）技术，重点介绍了Attention OCR模型，这是一种利用注意力机制来提高文字识别准确性的方法。文章详细阐述了文字识别的多种方法，包括基于分割的分类、序列CNN和one step检测-识别。特别是，Attention OCR通过加入注意力层，增强了文字位置的定位能力。还提供了代码解析和汉字识别的应用步骤，包括构建中文词典和训练过程中的标签映射。最后，文章预告将进一步讨论算法改进。
一. 文字识别
文字识别是指在确定检测框之后，识别出对应的文字，文字识别的方法有很多，包括：
1）基于分割后单个字符的分类；
2）基于序列的CNN方法，包括 基于STN矫正，CTC loss，Attention机制等策略；
3）基于one step的检测-识别方法，比如fots、Radical Analysis Network；
二. Attention Model
文字的有效定位对于检测是非常重要的，确定文字的有效区域有利于对文字进行准确切分，提高准确度，Attention Model是一种非常有效的策略，这项工作来自于google，实验效果非常不错。
论文：Attention-based Extraction of Structured Information from Street View Imagery
Github：https://github.com/tensorflow/models/tree/master/research/attention_ocr
Attention OCR结构示意：
最低0.47元/天 解锁文章
扫一扫
632
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
