coursera-斯坦福-机器学习-吴恩达-第11周笔记-ORC系统

本文主要是介绍coursera-斯坦福-机器学习-吴恩达-第11周笔记-ORC系统，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

coursera-斯坦福-机器学习-吴恩达-第11周笔记-ORC系统

1图像ORC

1.1问题描述

在这一段介绍一种 机器学习的应用实例 照片OCR技术。 我想介绍这部分内容的原因 主要有以下三个 ，
1. 第一 我想向你展示 一个复杂的机器学习系统 是如何被组合起来的
2. 第二 我想介绍一下 机器学习流水线（machine learning pipeline）的有关概念， 以及在决定下一步做什么时， 如何分配资源。
3. 最后,通过介绍照片OCR问题 的机会来告诉你， 机器学习的诸多 有意思的想法和理念 。其中之一是如何将机器学习 应用到计算机视觉问题中， 第二是有关 人工数据合成（artificial data synthesis）的概念。

OCR技术 主要解决的问题是让计算机 读出照片中拍到的文字信息。

OCR pipeline的意思主要是把一个ML系统分割为几个连续的部分，如下图：

如果你有一个工程师的团队 在完成同样类似的任务， 那么通常你可以让 不同的人来完成 不同的模块 ，所以我可以假设 文字检测这个模块 需要大概1到5个人 ，字符分割部分 需要另外1到5个人 ，字母识别部分 还需要另外1到5个人。

在复杂的机器学习系统中 流水线的概念 已经渗透到各种应用中

1.2 滑动窗(sliding windows)

为了更好地介绍 图像的检测 ，我们从一个简单一点的例子开始， 我们先看这个探测行人的例子：

在行人检测中 你希望照一张相片 然后找出图像中 出现的行人。

这个问题似乎 比文字检测的问题更简单， 原因是 大部分的 行人都比较相似， 因此可以使用一个固定宽高比的 矩形来分离出你希望找到的行人。

我们要做的是 首先对这个图像取一小块长方形， 比如这是一个 82×36的图像块， 我们将这个图像块 ，通过我们训练得到的分类器 来确定 这个图像块中是不是有行人。 如果没问题的话&#

这篇关于coursera-斯坦福-机器学习-吴恩达-第11周笔记-ORC系统的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---