傳統(tǒng)圖像算法

2012年之前，文字識(shí)別的主流算法都依賴于傳統(tǒng)圖像處理技術(shù)和統(tǒng)計(jì)機(jī)器學(xué)習(xí)方法實(shí)現(xiàn)，利用光學(xué)技術(shù)和計(jì)算機(jī)技術(shù)把印在或?qū)懺诩埳系奈淖肿x取出來，并轉(zhuǎn)換成一種計(jì)算機(jī)能夠接受、人又可以理解的格式。傳統(tǒng)的文字識(shí)別方法可以分為圖像預(yù)處理、文字識(shí)別、后處理三個(gè)階段：

圖像預(yù)處理：完成文字區(qū)域定位，文字矯正，字符切割等處理，預(yù)處理一般包括灰度化、二值化，傾斜檢測(cè)與校正，行、字切分，平滑，規(guī)范化等等，核心技術(shù)包括連通域分析，MSER，仿射變換，圖像二值化，投影分析等。

文字識(shí)別：對(duì)切割出的文字進(jìn)行識(shí)別，一般采用提取人工設(shè)計(jì)特征（如HOG特征等）或者CNN提取特征，再通過機(jī)器學(xué)習(xí)分類器（如SVM等）進(jìn)行識(shí)別；

后處理：利用規(guī)則，語言模型等對(duì)識(shí)別結(jié)果進(jìn)行矯正。

傳統(tǒng)的文字識(shí)別方法，在簡(jiǎn)單的場(chǎng)景下能達(dá)到不錯(cuò)的效果，但是不同場(chǎng)景下都需要獨(dú)立設(shè)計(jì)各個(gè)模塊的參數(shù)，工作繁瑣，遇到復(fù)雜的場(chǎng)景，難以設(shè)計(jì)出泛化性能好的模型。

深度學(xué)習(xí)算法

2012年之后，隨著深度學(xué)習(xí)在計(jì)算機(jī)視覺領(lǐng)域應(yīng)用的不斷擴(kuò)大，工業(yè)場(chǎng)景下的圖像文本識(shí)別更為復(fù)雜，它會(huì)出現(xiàn)在許多不同的情景下，如醫(yī)藥包裝上的文字、各類鋼制零部件上的字符、集裝箱表面噴印的字符、商鋪Logo上的個(gè)性化字符等等。

文字識(shí)別逐漸拋棄了原有方法，過渡到深度學(xué)習(xí)算法方案。在深度學(xué)習(xí)時(shí)代，文字識(shí)別框架也逐漸簡(jiǎn)化，目前主流的方案主要有兩種，一種是文本行檢測(cè)與文字識(shí)別的兩階段方案，另一種是端到端的文字識(shí)別方案。

1）兩階段文字識(shí)別方案

主要思路是先定位文本行位置，然后再對(duì)已經(jīng)定位的文本行內(nèi)容進(jìn)行識(shí)別。文本行檢測(cè)從方法角度主要分為基于文本框回歸的方法，基于分割或?qū)嵗指畹姆椒?，以及基于回歸、分割混合的方法，從檢測(cè)能力上也由開始的多向矩形框發(fā)展到多邊形文本，現(xiàn)在的熱點(diǎn)在于解決任意形狀的文本行檢測(cè)問題。文本識(shí)別從單字檢測(cè)識(shí)別發(fā)展到文本序列識(shí)別，目前序列識(shí)別主要又分為基于CTC的方法和基于Attention的方法。

2）端到端文字識(shí)別方案

使用文字檢測(cè)加文字識(shí)別兩步法雖然可以實(shí)現(xiàn)場(chǎng)景文字的識(shí)別，但融合兩個(gè)步驟的結(jié)果時(shí)仍需使用大量的手工知識(shí)，且會(huì)增加時(shí)間的消耗。

而端對(duì)端文字識(shí)別能夠同時(shí)完成檢測(cè)和識(shí)別任務(wù)，極大地提高了文字識(shí)別的實(shí)時(shí)性。通過一個(gè)模型同時(shí)完成文本行檢測(cè)和文本識(shí)別的任務(wù)，既可以提高文本識(shí)別的實(shí)時(shí)性，同時(shí)因?yàn)閮蓚€(gè)任務(wù)在同一個(gè)模型中聯(lián)合訓(xùn)練，兩部分任務(wù)可以互相促進(jìn)效果。

返回列表