我的OCR学习路线

本文总结自己目前对 OCR 的认识，和学习过程

什么是 OCR ？

• 
• OCR （Optical Character Recognition，光学字符识别）指将打字、手写或印刷文本的图像电子或机械转换为机器编码文本的过程
• 文本检测 (Text detection) ：检测文本的所在位置和范围及其布局，可以使用传统的 ROI 提取实现，也可使用目标检测去实现，如 Faster R-CNN，[[FCN]]
• 文本识别 (Text recognition)：对文本内容进行识别，将图像中的文本信息转化为文本信息
• 文本定位 (Text Spotting) ：分文本检测 (Text detection) 文本识别 (Text recognition)统一到一起的简称

OCR 的方法？

• 
• 文本检测 (Text detection) ：其实就是检测文本行实例，可以使用目标检测的方法，也可使用语义分割的方法
• 文本识别 (Text recognition) ：这个是 OCR 的重点，主要有 3 条路线
• 文本定位 (Text Spotting) ：分为两种，但阶段和双阶段

评价指标-字符评价

• 以字符 （文字和标点符号） 为单位的统计和分析，适用于通用印刷体、手写体类非结构化数据的OCR应用评测
• 字符召回率：预测正确的字符总数占总符号的比例
• 字符准确率：预测正确的字符占总测试结果的比例
• F-socre：字符召回率和字符准确率的综合评价指标

评价指标-文本段评价

• 以字段为单位的统计和分析，适用于卡证类、票据类等结构化程度较高的 OCR 应用评测
• 字段召回率：完全识别准确的字段总数占总字段的比例
• 字段准确率：完全识别准确的字段占总测试结果的比例
• 最小编辑距离：编辑距离是针对二个字符串（例如英文字）的差异程度的量化量测，通过替换、插入、删除，将预测结果修正为gt所需操作步骤，最小编辑距离表示最少操作步数
• 全图编辑距离：整个文本段的编辑距离
• 归一化编辑距离: 编辑距离除以字符串长度

学习路线