深度實踐OCR：基于深度學習的文字識別

定　價：￥89.00

作　者：	劉樹春，賀盼，馬建奇，王佳軍著
出版社：	機械工業(yè)出版社
叢編項：	智能系統(tǒng)與技術叢書
標　簽：	暫缺

購買這本書可以去

京東 (￥89.00)

ISBN：	9787111654049	出版時間：	2020-06-01	包裝：	平裝
開本：	16開	頁數(shù)：		字數(shù)：

內容簡介

　　這是一部融合了企業(yè)界先進工程實踐經驗和學術界前沿技術和思想的ORC著作。本書由阿里巴巴本地生活研究院算法團隊技術專家領銜，從組件、算法、實現(xiàn)、工程應用等維度系統(tǒng)講解基于深度學習的OCR技術的原理和落地。書中一步步剖析了算法背后的數(shù)學原理，提供大量簡潔的代碼實現(xiàn)，幫助讀者從零基礎開始構建OCR算法。全書共9章：第1章從宏觀角度介紹了ORC技術的發(fā)展歷程、概念和產業(yè)應用；第2章講解了OCR的圖像預處理方法；第3~4章介紹了傳統(tǒng)機器學習方法和深度學習的相關基礎；第5章講解了基于傳統(tǒng)方法和深度學習方法的OCR的數(shù)據(jù)生成；第6章講解了與OCR相關的一些高級深度學習方法，方便讀者理解后續(xù)的檢測和識別部分；第7章講解了文字的檢測技術，從通用的目標檢測到文字的檢測，一步步加深讀者對文字檢測問題的認識；第8章討論了文字識別的相關技術，定位到文字的位置之后，需要對文字的內容進行進一步的解析；第9章介紹了一些OCR后處理的方法。

作者簡介

　　劉樹春阿里巴巴本地生活研究院算法專家，前復旦七牛云聯(lián)合實驗室OCR算法負責人，在OCR相關技術的落地和實現(xiàn)方面有深入的研究和豐富的實踐經驗，在菜單識別、車牌檢測識別、卡證識別、商業(yè)廣告文字檢測和識別、票據(jù)類識別等應用場景中積累了豐富的經驗。曾經組隊參加COCO競賽、ICDAR刷榜等活動，并發(fā)表多篇論文。賀盼佛羅里達大學在讀博士，擔任 CVPR、ICCV、ECCV等10多家國際頂會審稿人或程序委員，在場景文本領域發(fā)表過多篇國際會議論文（DTRN、CTPN、SSTD等）。曾經在中科院先進技術研究院、港中文、曠世美國研究院等做過相關研究工作，對場景文本有深刻的認識，并且對場景文本學術前沿有很強的感知力。馬建奇著名的RRPN算法的作者，發(fā)表過多篇國際會議論文，曾經在曠世研究院做過檢測相關的工作，在上海高等研究院做過文字檢測相關的工作，曾經組隊參加過ICDAR 17 MLT比賽，獲得前三名。曾獲Facebook研究實習機會。目前即將開始修讀博士學位，正在做文字識別相關的工作，對于OCR的問題有獨到的見解。王佳軍阿里巴巴本地生活研究院高級算法專家，負責本地生活研究院圖像算法團隊的管理、研發(fā)等工作，曾經在滴滴研究院做相關算法的研究。業(yè)余時間擔任深度學習框架MXNet的技術專家，對實際算法的落地優(yōu)化等有非常深入的耕耘，具有很強的OCR相關項目的落地能力。謝雨飛趣頭條算法工程師，曾在七牛云做OCR、NLP相關算法的研究工作，發(fā)表過多篇國際論文。陳明曦紐約大學碩士研究生，曾在七牛云從事OCR相關工作，發(fā)表相關論文數(shù)篇。

圖書目錄

推薦序
前言
第1章　緒論 1
1.1　人工智能大潮中的OCR發(fā)展史 1
1.1.1　傳統(tǒng)OCR方法一般流程 3
1.1.2　基于深度學習OCR方法一般流程 5
1.2　文字檢測 6
1.3　文字識別 8
1.4　產業(yè)應用現(xiàn)狀 10
1.5　本章小結 11
1.6　參考文獻 11
第2章　圖像預處理 13
2.1　二值化 13
2.1.1　全局閾值方法 13
2.1.2　局部閾值方法 17
2.1.3　基于深度學習的方法 20
2.1.4　其他方法 22
2.2　平滑去噪 26
2.2.1　空間濾波 26
2.2.2　小波閾值去噪 28
2.2.3　非局部方法 29
2.2.4　基于神經網絡的方法 33
2.3　傾斜角檢測和校正 35
2.3.1　霍夫變換 36
2.3.2　Radon 變換 38
2.3.3　基于 PCA 的方法 38
2.4　實戰(zhàn) 39
2.5　參考文獻 43
第3章　傳統(tǒng)機器學習方法緒論 45
3.1　特征提取方法 45
3.1.1　基于結構形態(tài)的特征提取 45
3.1.2　基于幾何分布的特征提取 61
3.2　分類方法模型 63
3.2.1　支持向量機 63
3.2.2　K近鄰算法 65
3.2.3　多層感知器 70
3.3　實戰(zhàn)：身份證號碼的識別 71
3.3.1　核心代碼 71
3.3.2　測試結果 78
3.4　本章小結 79
3.5　參考文獻 79
第4章　深度學習基礎知識 80
4.1　單層神經網絡 80
4.1.1　神經元 80
4.1.2　感知機 81
4.2　雙層神經網絡 82
4.2.1　雙層神經網絡簡介 82
4.2.2　常用的激活函數(shù) 83
4.2.3　反向傳播算法 86
4.3　深度學習 87
4.3.1　卷積神經網絡 88
4.3.2　常用優(yōu)化算法 90
4.4　訓練網絡技巧 92
4.4.1　權值初始化 92
4.4.2　L1/L2正則化 93
4.4.3　Dropout 94
4.5　實戰(zhàn) 95
4.6　參考文獻 97
第5章　數(shù)據(jù)生成 99
5.1　背景介紹 99
5.2　傳統(tǒng)單字OCR數(shù)據(jù)生成 100
5.3　基于深度學習的OCR數(shù)據(jù)生成 101
5.3.1　文字檢測數(shù)據(jù)的生成 101
5.3.2　檢測圖片生成 103
5.3.3　其他方法 112
5.3.4　識別數(shù)據(jù)生成 113
5.4　通過GAN的技術生成數(shù)據(jù) 114
5.4.1　GAN背景介紹 114
5.4.2　GAN的原理 116
5.4.3　GAN的變種 117
5.5　圖像增廣 123
5.5.1　常用的圖像增強方法 123
5.5.2　深度學習方法 126
5.6　常用的開源數(shù)據(jù)集 128
5.7　ICDAR的任務和數(shù)據(jù)集 131
5.8　本章小結 138
5.9　參考文獻 138
第6章　深度學習高級方法 140
6.1　圖像分類模型 140
6.1.1　LeNet5 140
6.1.2　AlexNet 142
6.1.3　VGGNet 143
6.1.4　GoogLeNet 144
6.1.5　ResNet 147
6.1.6　DenseNet 151
6.1.7　SENet 153
6.1.8　輕量化網絡 154
6.2　循環(huán)神經網絡 154
6.2.1　RNN網絡 154
6.2.2　GRU 156
6.2.3　GRU的實現(xiàn) 158
6.2.4　LSTM網絡 160
6.3　Seq2Seq 163
6.4　CTC Loss 164
6.4.1　算法詳解 166
6.4.2　前向傳播 168
6.4.3　后向傳播 173
6.4.4　前向/后向算法 173
6.4.5　CTC算法特性 174
6.4.6　代碼解析 175
6.5　Attention 178
6.6　本章小結 181
6.7　參考文獻 182
第7章　文字檢測 183
7.1　研究意義 183
7.2　目標檢測方法 185
7.2.1　目標檢測相關術語 186
7.2.2　傳統(tǒng)檢測方法 189
7.2.3　Two-stage 方法 195
7.2.4　One-stage 方法 210
7.3　文本檢測方法 217
7.3.1　傳統(tǒng)文本檢測方法 217
7.3.2　基于深度學習的文本檢測方法 222
7.4　本章小結 228
7.5　參考文獻 228
第8章　字符識別 232
8.1　任務概覽 232
8.2　數(shù)據(jù)集說明 233
8.2.1　數(shù)據(jù)集意義 233
8.2.2　常見識別數(shù)據(jù)集介紹 234
8.3　評測指標 238
8.3.1　編輯距離 239
8.3.2　歸一化編輯距離 239
8.3.3　字符準確度 239
8.3.4　詞準確率 239
8.3.5　語境相關的評測方式 239
8.4　主流算法介紹 240
8.4.1　傳統(tǒng)光學方法 240
8.4.2　完全基于深度學習的方法 244
8.5　CRNN模型實戰(zhàn) 274
8.5.1　簡介 274
8.5.2　運行環(huán)境 274
8.5.3　測試部分講解 274
8.5.4　測試運行結果 279
8.5.5　訓練部分 279
8.5.6　用ICDAR2013數(shù)據(jù)集訓練CRNN模型 282
8.6　本章小結 284
8.7　參考文獻 285
第9章　OCR后處理方法 288
9.1　文本糾錯 288
9.1.1　BK-tree 289
9.1.2　基于語言模型的中文糾錯 293
9.2　文本結構化 297
9.2.1　模板匹配 298
9.2.2　文本分類 300
9.3　本章小結 304
9.4　參考文獻 304
第10章　版面分析 306
10.1　版面分析詳解 306
10.2　復雜版面識別 309
10.3　文檔恢復 310
10.4　本章小結 311
10.5　參考文獻 311