应用示例：图像文字识别

Problem Description and Pipeline

在图像文字识别应用中，我们希望从给定的图片中识别图中的文字，如：

为了实现图像文字识别，常采取如下步骤：

• 文字检测（text detection）
• 字符切割（character segmentation）
• 字符分类（character classification）

滑动窗口（Sliding Windows）

滑动窗口是一项用来从图像中抽取对象的技术。

滑动窗口技术也被用于文字识别，首先训练模型能够区分字符与非字符，然后运用滑动窗口技术识别字符，一旦完成了字符的识别，我们将识别出的区域进行扩展，然后将重叠区域合并。

第一步为文本检测：

下一步为字符切割：

最后一步为字符分类，利用神经网络、支持向量机或逻辑回归训练分类器即可。

Getting Lots of Data and Artificial Data

如果我们的模型出现欠拟合问题，那么利用更多的数据训练模型是能得到更好的效果。然而，我们如何获取数据呢？

以文字识别为例，我们可以从字体网站上下载各种字体，然后利用这些不同的字体配上各种不同的随机背景图片，人为地构建训练数据。

另一种方法为，利用已有的数据对其进行修改，如：扭曲、旋转和模糊处理等。

获得更多数据的几种常用方法为：

• 人工数据合成
• 手动收集、标记数据
• 众包

Ceiling Analysis：What Part of the Pipeline to Work on Next

在机器学习的应用中，我们通常需要通过几个步骤才能进行最终的预测，那么我们如何能够知道那一部分最值得我们花时间和精力去优化呢？因此，我们引入上线分析法。

我们仍以文字识别为例，其流程图如下：

现假设文字识别的正确率为72%，如果我们令文本检测（Text detection）部分的正确率为100%，则发现整个模型的正确率提升至89%；如果我们令字符切割（Character segmentation）部分的正确率为100%，则发现整个模型的正确率提升至73%；如果我们令字符识别（Character recognition）部分的正确率为100%，则发现整个模型的正确率提升至82%。

从中我们可以得出结论，优化文本检测和字符识别对整个模型的正确率提升较大，这两部分是值得我们花费时间和精力优化的。

---

Coursera版Andrew NG的机器学习课程到此结束，课程编程练习源码及相关资料，可访问本人的Github。最后，感谢Ryan Cheung以及其它乐于分享的网友！