OCR Roadmap

来源

预习阶段 OCR基础：CNN和RNN

CNN预习视频：卷积神经网络与计算机视觉

• 知识点1： 卷积神经网络结构分析
• 知识点2： 过拟合与随机失活
• 知识点3： 卷积神经网络理解
• 知识点4： 典型网络结构详解
• 实战项目： 利用ResNet与inception解决一般图像分类问题套路

RNN预习视频：循环神经网络与自然语言处理

• 知识点1： 循环神经网络
• 知识点2： 长时依赖问题与长短时记忆网络
• 知识点3： BPTT算法
• 实战项目： 利用循环神经网络生成文本作诗

第一阶段 一览OCR技术和字符识别

第一课 OCR技术概览

• 知识点1： 什么是OCR
• 知识点2： 常见应用概览，比如印刷体识别：文档识别、车牌识别、证照/名片/票据识别、视频/图像理解、拍照搜题等，以及手写识别：在线识别、离线识别
• 知识点3： 基本流程：预处理、版面分析、文本行定位、字符识别、后处理
• 知识点4： 常见OCR工具：Tesseract、Abbyy、百度OCR API、科大讯飞OCR API
• 实战项目： Tesseract 搭建第一个OCR引擎

第二课 单字符分割与识别

• 知识点1： 单字符识别（模版匹配、特征提取 + 传统分类器、CNN模型）
• 知识点2： 字符分割1：定位候选分割位置（基于投影规则的候选位置提取、基于模型的候选位置提取）
• 知识点3： 字体分割2：分割路径选择（Viterbi算法 / Beam Search、PCFG / 2D-PCFG）
• 实战项目： 基于CNN的单字符识别与过分割

第三课 字符序列识别

• 知识点1： 概览RNN以及LSTM + CTC、CRNN、RARE
• 知识点2： 概览注意力机制Attention，以及DRAM / DRAW、Transformer
• 实战项目： 实战CNN和RNN的综合体CRNN

第二阶段：掌握文本定位与文本检测

第四课 文本行定位

• 知识点1： 传统方法（基于投影的文本行定位、基于最小生成树的文本行定位）
• 知识点2： 深度学习（Full-Page Text Recognition: Learning Where to Start and When to Stop、Learning Text-Line Localization with Shared and Local Regression Neural Networks、TextSnake）
• 实战项目： 实战Text Line Extraction Based on MST

第五课 自然场景中的文本检测

• 知识点1： Reading Text in the Wild with Convolutional Neural Networks
• 知识点2： CTPN、RRPN、FTSN、DMPNet、EAST
• 知识点3： SegLink、PixelLink
• 知识点4： Textboxes、WordSup、FOTS
• 实战项目： 实战场景文本检测之CTPN算法

第三阶段 掌握其他图像问题

第六课 图像质量增强和预处理

• 知识点1： 图像增强（去模糊、超分辨率重建）
• 知识点2： 二值化（全局阈值、局部阈值：克服局部光照和噪声、基于学习的方法）
• 知识点3： 旋转 / 扭曲变形（角度估计与矫正、扭曲复原与DocUNet）
• 实战项目： 实战生成对抗网络GAN的变体SRGAN