●推薦序
前言
章 緒論
1.1 人工智能大潮中的OCR發展史
1.1.1 傳統OCR方法一般流程
1.1.2 基於深度學習OCR方法一般流程
1.2 文字檢測
1.3 文字識別
1.4 產業應用現狀
1.5 本章小結
1.6 參考文獻
第2章 圖像預處理
2.1 二值化
2.1.1 全局閾值方法
2.1.2 局部閾值方法
2.1.3 基於深度學習的方法
2.1.4 其他方法
2.2 平滑去噪
2.2.1 空間濾波
2.2.2 小波閾值去噪
2.2.3 非局部方法
2.2.4 基於神經網絡的方法
2.3 傾斜角檢測和校正
2.3.1 霍夫變換
2.3.2 Radon變換
2.3.3 基於PCA的方法
2.4 實戰
2.5 參考文獻
第3章 傳統機器學習方法緒論
3.1 特征提取方法
3.1.1 基於結構形態的特征提取
3.1.2 基於幾何分布的特征提取
3.2 分類方法模型
3.2.1 支持向量機
3.2.2 K近鄰算法
3.2.3 多層感知器
3.3 實戰:身份證號碼的識別
3.3.1 核心代碼
3.3.2 測試結果
3.4 本章小結
3.5 參考文獻
第4章 深度學習基礎知識
4.1 單層神經網絡
4.1.1
4.1.2 感知機
4.2 雙層神經網絡
4.2.1 雙層神經網絡簡介
4.2.2 常用的激活函數
4.2.3 反向傳播算法
4.3 深度學習
4.3.1 卷積神經網絡
4.3.2 常用優化算法
4.4 訓練網絡技巧
4.4.1 權值初始化
4.4.2 L1/L2正則化
4.4.3 Dropout
4.5 實戰
4.6 參考文獻
第5章 數據生成
5.1 背景介紹
5.2 傳統單字OCR數據生成
5.3 基於深度學習的OCR數據生成
5.3.1 文字檢測數據的生成
5.3.2 檢測圖片生成
5.3.3 其他方法
5.3.4 識別數據生成
5.4 通過GAN的技術生成數據
5.4.1 GAN背景介紹
5.4.2 GAN的原理
5.4.3 GAN的變種
5.5 圖像增廣
5.5.1 常用的圖像增強方法
5.5.2 深度學習方法
5.6 常用的開源數據集
5.7 ICDAR的任務和數據集
5.8 本章小結
5.9 參考文獻
第6章 深度學習不錯方法
6.1 圖像分類模型
6.1.1 LeNet
6.1.2 AlexNet
6.1.3 VGGNet
6.1.4 GoogLeNet
6.1.5 ResNet
6.1.6 DenseNet
6.1.7 SENet
6.1.8 輕量化網絡
6.2 循環神經網絡
6.2.1 RNN網絡
6.2.2 GRU
6.2.3 GRU的實現
6.2.4 LSTM網絡
6.3 Seq2Seq
6.4 CTCLoss
6.4.1 算法詳解
6.4.2 前向傳播
6.4.3 後向傳播
6.4.4 前向/後向算法
6.4.5 CTC算法特性
6.4.6 代碼解析
6.5 Attention
6.6 本章小結
6.7 參考文獻
第7章 文字檢測
7.1 研究意義
7.2 目標檢測方法
7.2.1 目標檢測相關術語
7.2.2 傳統檢測方法
7.2.3 Two-stage方法
7.2.4 One-stage方法
7.3 文本檢測方法
7.3.1 傳統文本檢測方法
7.3.2 基於深度學習的文本檢測方法
7.4 本章小結
7.5 參考文獻
第8章 字符識別
8.1 任務概覽
8.2 數據集說明
8.2.1 數據集意義
8.2.2 常見識別數據集介紹
8.3 評測指標
8.3.1 編輯距離
8.3.2 歸一化編輯距離
8.3.3 字符準確度
8.3.4 詞準確率
8.3.5 語境相關的評測方式
8.4 主流算法介紹
8.4.1 傳統光學方法
8.4.2 完全基於深度學習的方法
8.5 CRNN模型實戰
8.5.1 簡介
8.5.2 運行環境
8.5.3 測試部分講解
8.5.4 測試運行結果
8.5.5 訓練部分
8.5.6 用ICDAR2013數據集訓練CRNN模型
8.6 本章小結
8.7 參考文獻
第9章 OCR後處理方法
9.1 文本糾錯
9.1.1 BK-tree
9.1.2 基於語言模型的中文糾錯
9.2 文本結構化
9.2.1 模板匹配
9.2.2 文本分類
9.3 本章小結
9.4 參考文獻
0章 版面分析
10.1 版面分析詳解
10.2 復雜版面識別
10.3 文檔恢復
10.4 本章小結
10.5 參考文獻
內容簡介
這是一部融合了企業界優選工程實踐經驗和學術界前沿技術和思想的OCR著作。本書由阿裡巴巴本地生活研究院算法團隊技術專家領銜,從組件、算法、實現、工程應用等維度繫統講解基於深度學習的OCR技術的原理和落地。書中一步步剖析了算法背後的數學原理,提供大量簡潔的代碼實現,幫助讀者從零基礎開始構建OCR算法。全書共10章:章從宏觀角度介紹了OCR技術的發展歷程、概念和產業應用;第2章講解了OCR的圖像預處理方法;第3~4章介紹了傳統機器學習方法和深度學習的相關基礎知識;第5章講解了基於傳統方法和深度學習方法的OCR數據生成;第6章講解了與OCR相關的一些不錯深度學習方法,方便讀者理解後續的檢測和識別部分;第7章講解了文字的檢測技術,從通用的目標檢測到文字檢測,一步步加深讀者對文字檢測的認識;第8章討論了文字識別的相關技術,定位到文字的位置之後,需要對文字的內容進行進一步的解析;第9章介紹了一些OCR後......