按部就班的吴恩达机器学习网课用于讨论（16）

图片文字识别-问题描述和流程图

针对识别图片中的文本信息识别，分为文本区域检测，之后是将文本区域的字符分割，分割以后开始进行字符识别。

滑动窗口是用来定位文字位置、行人位置等。

以行人检测为例子：

1.做滑动窗口前，首先进行预训练（训练样本为固定大小的图片），获得一个能识别行人的模型。

2.然后使用该模型，在原始图片上按照一定步长，尺寸，在图片中进行窗口滑动，剪裁取块。

3.将取块的图片放缩到模型使用的大小，输入该模型，判断有行人的地方图片与滑动位置做好标记，处理后得到行人可能位置。

4.换用不同的步长、尺寸，重复2-4过程直到检测完毕，得到全部位置。

不仅可以用于行人检测，在字符检测、字符分割方面，也有应用。

字符位置检测的方法和行人检测相同，但是仍然需要将位置进行一些噪声过滤，以确定真实的字符位置信息。

得到字符位置信息后，也再预训练一个模型，用于判定是否为字符分割点。使用滑动窗口的方案，得到分割点，得到分割后的字符。

然后再使用一个预训练好的模型，识别字符即可。

在训练模型获得的结果不够好，而通过绘制曲线等方法，分析出是数据量不够导致的问题，那么需要制作数据集了。

1.制作数据集可以从0开始，使用一些方法自己制作，然后ps，剪裁等等。

2.如果本身具有数据集，也可以使用将原始数据集进行扭曲，旋转，加噪声，液化等方法，得到新的样本，作为数据集。

3.雇人做数据集，这就算了吧。

上限分析用于确定哪部分的算法进行优化后，整体系统性能具有较大提升。

在下图中，图像中文字识别有三步操作，对应不同的模型方法，最终得到了整个系统，得到了72%的准确率。

现在，使用手工的方法，让文本位置检测的模型正确率为100%（比如采用那些该部分识别率100%的特定数据集输入系统中），然后再评价一下系统，得到了89%的准确率，即如果优化了文本位置检测模型，整个系统有较大的提升。

在以上基础上，如果再调整字符分割模型为100%，整体模型只提升1%，则该部分对整体影响不大，不太需要花费精力去优化。

在前面基础上，再调整字符识别部分，而最终系统准确率提升到100%，那么该整体模型中的字符识别模型，也是需要进行优化的。

在人脸识别的过程中，也是有这样的步骤。进行每个模块的100%手工调制，判断该部分对整体性能的影响，从而判断该部分是否需要花费精力优化。下图为6部分的验证工作。

全剧终

机器学习