吴恩达机器学习笔记（十二） —— Application Example: Photo OCR（完）

主要内容：

一.Photo OCR

二.Getting lots of data：artificial data synthesis

三.Ceiling analysis

一.Photo OCR

Photo OCR就是从图片中提取文本或者需要的数据，其具体步骤可分三个：

第一步：Text detection or pedestrain detection

采用的方法是，sliding windows。即设置一个大小固定的窗口去扫描增长图片，以次去检测文字（文字检测稍微复杂）或者行人。当然由于字体或者人因远近而大小不一，需要不断地调整窗口的大小。

第二步：隔断文字。同样是采用一个窗口从左往右取扫描文字区域，当滑动到两个文字中间时，y设为1；当滑动到一个文字时，y设为0。

第三步，直接将分割出的文字进行分类：

二.Getting lots of data：artificial data synthesis

当我们手头上的数据不够多时，可以利用已有的数据做一些变形或扭曲的操作，从而人工合成大量且可靠的数据。

例如，对一个字母A做适当的扭曲：

或者对音频加噪音、设置不同的背景（如电话、山洞等）：

下面是有关“获得更多数据”的一些讨论：

三.Ceiling analysis

在Photo OCR的整个过程中，我们想知道：哪个环节的改进对于最终结果的影响是最大的？以此避免做一些无用功，如我们花很多时间去改进某一环节，但这个环节的改进对于最终结果的影响是微乎其微的。因此，这里引入一个方法：ceiling analysis。

其核心思想是：将某一部分的精度提升为100%（可以是人工操作），然后看最终的准确率提升了多少。当然，在检测完前面的环节后，需保持前面环节100%的准确率，再去检测后面的环节。（疑问：问什么不能只把要检测的环节提升至100%？）