文字识别经验

整个文字识别的算法流程可以分成四部分：预处理、文本行检测、文字识别、后处理。预处理包括图像方向校正（例如图像偏转90度，倒置）、文本行校正、图像质量增强（例如去除屏拍摩尔纹等）。预处理是为了处理特殊情况、提高检测和识别的精度。文本行检测目前以EAST和PSENET比较常见，目前来看，psenet精度更高，适用的场景丰富，对于文本行比较密集的场景和弯曲文本性能更优，但是psenet速度低于EAST，尤其是文本行越多，后处理占用时间较长。对于单字符情况，psenet的文本框的置信度较低，在较高置信度阈值时，容易导致最终检测不到，而较小的阈值容易引入噪声，所以需要根据具体场景设置一个合理的阈值。对于文本行识别，CRNN、attention ocr、bert等算法占据主流。后处理部分包括文字纠正、结构化输出等内容。

算法通用性：以检测算法为例，单一场景的数据训练往往只能在某一些场景中达到比较好的效果，当需要扩展新业务时，需要重新训练，费时费力。采用十几个场景的数据集训练检测算法则可以解决该问题，提升算法的通用性。

（后续更新...）

算法优化\ 算法工程化经验