光学字符识别技术：让电脑像人一样阅读(3)

　　阶段②：创新分类，检测更高质

　　当获得了高质量的候选连通区域，就需要对其中的字符进行分辨，确定其是否为文字或非文字，微软亚洲研究院团队创新地提出了一套基于浅层神经网络的文字/非文字分类算法，比以往的算法更加有效。
 

　　该 算法根据文字本身的特性采用分治策略将原始问题空间划分为5个子空间，每个子空间对应一类文字样本，分别命名为Long类，Thin类，Fill 类，Square-large类和 Square-small类(如下图所示)，于是每个候选连通区域被划分到这5类中的一种。
 

文字类问题空间划分示例

　　在每个子空间中，微软亚洲研究院团队创新地利用无歧义学习策略训练一个相应的浅层神经网络，作为该子空间的文字/非文字分类器，我们可以将该神经网络看作是一个黑盒子，在经过大量学习之后，它便能较为准确的将文字与非文字分类。
 

　　每 次分类动作包括两个阶段——预剪枝(Pre-pruning)阶段和验证(Verification)阶段。在预剪枝阶段，分类器的任务是尽可能滤除无歧 义的非文字候选连通区域；在验证阶段，则通过引入更多信息来消除孤立连通区域的歧义性，从而进一步滤除有歧义的非文字候选连通区域。
 

　　2014 年8月，在瑞典首都斯德哥尔摩举办的国际模式识别大会(ICPR)上，微软亚洲研究院团队公布的研究成果在自然场景文字检测的标准数据集(ICDAR- 2013测试集)上取得了92.1%的检测精度和92.3%的召回率。此前业界最好技术的检测精度是88.5%，而召回率只有66.5%，多年来这些数字 每年增长只有几个百分点，微软的技术让自然场景图像中的文字检测实现了突破。
 

　　人类需求牵引科技发展走到今天，智慧的无限延伸决定了世界的无限潜能。10年前的简单通讯工具手机如今已成为智慧生活的伴侣，曾经只被扫描仪应用的OCR技术亦已焕发新机。随着研究工作的不断突破和智能设备的推陈出新，OCR的应用也将充满无限机会、无限可能性。