Photo OCR

今天主要要講ML的應用

其中一個最具有代表性的問題

照片光學字元辨識(Photo OCR)

 

就是一個掃描字元的概念

這能夠讓電腦看懂照片裡的文字

並且將其轉化為文字檔

透過這個技術，我們便可以做出很多酷事情

Photo OCR

這個問題其實不如想像的那麼容易

我們必須要蒐集足夠多的資料

提供模型來做訓練

 

同時，我們的圖片並沒有經過事前的處理

所以我們拿到的資料是比較雜ㄉ

Photo OCR

我們希望能達到這樣的效果ouo

pipeline

pipeline

Step-1 Text detection

pipeline

Step-2 Character segmention

pipeline

Step-3 Character classification

         臺   北  市  立  建  國  高  級  中  學

pipeline

the偷 (雖然整個學期都用偷ㄉ

sliding window

跟某單調隊列優化無關

sliding window

我們有一個固定大小的框框

我們會逐漸移動直到歷遍整張圖片

然後我們便可以嘗試確定框框內的東東

是否是一串文字

 

然後

改變框框ㄉ大小

再做一ㄘ

sliding window

一次解決ㄌ兩個問題

where can you get data

我自己用ㄉ

kaggle

但如果我們要開發一些大型專案

這樣的資料量還是有些太少w

我們常常會需要 \(10^6\) 以上的數據做為訓練資料

where can you get data

就實務上來說

可能要有專門的人負責資料的蒐集

 

但我們會遇到一個很大的問題：

如果資料並沒有標籤(答案)該怎麼辦

artificial data

人工資料！

ㄜ 其實就是暴力法

我們會先隨便打一些字

然後加入雜訊

synthesization

discussion

當你決定要蒐集更多資料前，

你要先確定你的模型現在是Low bias

之前ㄉslides

主要方法：

1. 自己來找資料、給資料上標籤
2. 人工資料(合成)
3. "Crowd source"

estimate

紀錄每個步驟的準確度

btw 這裡的準確度指的是

在該步驟以前(包含)的執行準確度為100%時，

最後得到答案的準確度

estimate

做簡單的減法

我們便可以得到每個步驟損失的準確度ㄌ

我們便可以針對特定問題做解決ㄌouo

e.g.

更多資料、更大的DNN之類ㄉ

estimate

附註：

你們是不是不曉得我要怎麼保證前面的結果都是對ㄉ

問就是

用眼睛看w

 

因為人類常常都可以表現得很好

得出的結果也更值得信賴

其實花一些時間對資料標籤

是一種很好ㄉ考量

last thing to say

機器學習的極限在哪裡？

human level

Human Level performance

人類往往能夠有很好的表現。

Bayes optimal

這就是極限。