OCR 知识 概括

OCR

文字识别也是CV主要研究方向之一，文字识别方向主要：
1.单独文字识别
2.结合文字进行检测
3. 文字端到端识别
文字识别技术： 通过文字检测定位文字在图像区域，在提取区域上特征，在此基础上做专门的字符识别，出现许多端到端ENd2End OCR

1. 文字检测— 定位图片中文本区域（定位的精度直接影响后续的Recongnition）
   文字检测 中 概念：
   1. ground truth(GT): 在有监督学习中 数据是标记（X,t） x 是输入数据，正确的t 的标注是 ground truth
      在图像识别中： 输入图像的alpha图，原始图使用Alpha大哥标签就是GT (Aplha 通道表示一个图片透明和不透明程度)
   2. detecting box: 窗口移动的 box
   3. IOU: 图像分割问题标准性能度量，预测区域与实况区域之间的相似性
   4. 文字检测算法：
   5. EAST/CTPN/SegLink/PixelLink/TextBoxes/TextBoxes++/TextSnake/MSR/…
2. 文字识别：
   对于不弯曲的文本识别
   * CNN + RNN + CTC
   * CNN + seq2deq+Attention
   * CNN + LSTM + CTC 验证码识别
   对于弯曲文本识别：
   按照传统方式 出现大量无效的区域，STN 网络学习变换参数
   使用Deformable Convolution 可变形卷积 可以提取文字区域的不同形状特征

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