推薦序
前言
第1章　緒論 1
1.1　人工智能大潮中的OCR發展史 1
1.1.1　傳統OCR方法一般流程 3
1.1.2　基於深度學習OCR方法一般流程 5
1.2　文字檢測 6
1.3　文字識彆 8
1.4　産業應用現狀 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　基於深度學習的方法 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　基於神經網絡的方法 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　基於 PCA 的方法 38
2.4　實戰 39
2.5　參考文獻 43
第3章　傳統機器學習方法緒論 45
3.1　特徵提取方法 45
3.1.1　基於結構形態的特徵提取 45
3.1.2　基於幾何分布的特徵提取 61
3.2　分類方法模型 63
3.2.1　支持嚮量機 63
3.2.2　K近鄰算法 65
3.2.3　多層感知器 70
3.3　實戰：身份證號碼的識彆 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 83
4.2.3　反嚮傳播算法 86
4.3　深度學習 87
4.3.1　捲積神經網絡 88
4.3.2　常用優化算法 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 95
4.6　參考文獻 97
第5章　數據生成 99
5.1　背景介紹 99
5.2　傳統單字OCR數據生成 100
5.3　基於深度學習的OCR數據生成 101
5.3.1　文字檢測數據的生成 101
5.3.2　檢測圖片生成 103
5.3.3　其他方法 112
5.3.4　識彆數據生成 113
5.4　通過GAN的技術生成數據 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　常用的開源數據集 128
5.7　ICDAR的任務和數據集 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　循環神經網絡 154
6.2.1　RNN網絡 154
6.2.2　GRU 156
6.2.3　GRU的實現 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　前嚮傳播 168
6.4.3　後嚮傳播 173
6.4.4　前嚮/後嚮算法 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　傳統文本檢測方法 217
7.3.2　基於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　字符識彆 232
8.1　任務概覽 232
8.2　數據集說明 233
8.2.1　數據集意義 233
8.2.2　常見識彆數據集介紹 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　傳統光學方法 240
8.4.2　完全基於深度學習的方法 244
8.5　CRNN模型實戰 274
8.5.1　簡介 274
8.5.2　運行環境 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數據集訓練CRNN模型 282
8.6　本章小結 284
8.7　參考文獻 285
第9章　OCR後處理方法 288
9.1　文本糾錯 288
9.1.1　BK-tree 289
9.1.2　基於語言模型的中文糾錯 293
9.2　文本結構化 297
9.2.1　模闆匹配 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　版麵分析 306
10.1　版麵分析詳解 306
10.2　復雜版麵識彆 309
10.3　文檔恢復 310
10.4　本章小結 311
10.5　參考文獻 311
· · · · · · (收起)