OCR 知識 概括

OCR

文字識別也是CV主要研究方向之一，文字識別方向主要：
1.單獨文字識別
2.結合文字進行檢測
3. 文字端到端識別
文字識別技術： 通過文字檢測定位文字在圖像區域，在提取區域上特徵，在此基礎上做專門的字符識別，出現許多端到端ENd2End OCR

1. 文字檢測— 定位圖片中文本區域（定位的精度直接影響後續的Recongnition）
   文字檢測 中 概念：
   1. ground truth(GT): 在有監督學習中 數據是標記（X,t） x 是輸入數據，正確的t 的標註是 ground truth
      在圖像識別中： 輸入圖像的alpha圖，原始圖使用Alpha大哥標籤就是GT (Aplha 通道表示一個圖片透明和不透明程度)
   2. detecting box: 窗口移動的 box
   3. IOU: 圖像分割問題標準性能度量，預測區域與實況區域之間的相似性
   4. 文字檢測算法：
   5. EAST/CTPN/SegLink/PixelLink/TextBoxes/TextBoxes++/TextSnake/MSR/…
2. 文字識別：
   對於不彎曲的文本識別
   * CNN + RNN + CTC
   * CNN + seq2deq+Attention
   * CNN + LSTM + CTC 驗證碼識別
   對於彎曲文本識別：
   按照傳統方式 出現大量無效的區域，STN 網絡學習變換參數
   使用Deformable Convolution 可變形卷積 可以提取文字區域的不同形狀特徵

參考文章： https://zhuanlan.zhihu.com/p/657075435