圖像文字識別(OCR)用什麽算法小結
阿新 • • 發佈：2018-06-19
說明 3.2 ecc AC egl 之間 算法 bsp 暴力
說明：主要考慮深度學習的方法，傳統的方法不在考慮範圍之內。
1.文字識別步驟
1.1detection：找到有文字的區域（proposal)。
1.2classification：識別區域中的文字。
2.文字檢測
文字檢測主要有兩條線，兩步法和一步法。
2.1兩步法：faster-rcnn.
2.2一步法：yolo。相比於兩步法，一步法速度更快，但是accuracy有損失。
文字檢測按照文字的角度分。
2.1水平文字檢測：四個自由度，類似於物體檢測。水平文字檢測比較好的算法是2016ECCV喬宇老師團隊的CTPN。
2.2傾斜文字檢測：文本框是不規則的四邊形，八個自由度。傾斜文字檢測個人比較喜歡的方法是2017CVPR的EAST和Seglink。套路：檢測文本框－>用radon hough變換等方法進行文本矯正－>通過投影直方圖分割出單行的文本的圖片－>最後對單行OCR。
3.文字識別
只考慮了不需要對文字進行分割。
3.1定長的，各個字符之間看成是獨立的：multi-digit number。
3.2不定長的：RNN/LSTM/GRU+CTC。白翔老師團隊的CRNN寫的比較清楚。
3.3不定長的attention-mechanism（CNN+RNN+Attention）:分為hard attention（直接給出hard location，不能直接暴力pb）、soft attention（可以暴力pb）、gradient-base attention。
參考:https://www.zhihu.com/question/20191727
圖像文字識別(OCR)用什麽算法小結