Hello Deep Learning: Doing some actual OCR on handwritten characters - Bert Hubert's writings
2 days ago
- 本章重点是将卷积神经网络（CNN）应用于真实世界的手写字符识别，并突出其与理想化数据集相比的难度。
- 训练使用工具（tensor-convo-par.cc），采用Adam优化器、dropout、权重衰减和数据增强等选项，并将进度保存到状态文件中。
- 真实世界的测试图像显示，MNIST数据集并未涵盖所有手写风格，如欧洲风格的“h”，导致初始识别效果较差。
- 真实图像的预处理包括转换为灰度图、校正白平衡、使用强度图分割文本行以及逐个字符框选。
- 对于网络输入，字符从不同尺寸调整为位于28x28网格中心的24x24像素区域，以匹配MNIST的空外像素。
- 推理时加载禁用dropout的网络，预测期间将期望值设置为占位符“a”（0）。
- 最终的OCR程序实现了识别功能，虽然存在一些错误（例如“L”被误读为“C”），但用约1800行代码展示了端到端的OCR功能。
- 关键经验包括训练数据覆盖范围的重要性、大量的预处理以及神经网络在OCR任务中的高效性。