版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/asasasaababab/article/details/82314314
本周主要是讲了一个OCR的案例。主要内容是machine learning pipeline， text detection，character segmentation，data synthesis，以及ceiling analysis。
Machine Learning Pipeline
数据集比较多的时候，可能端到端训练更好，但是数据集比较少的时候，可能PipeLine更有效一些：
Text Detection
这块Dr. Ng用的是Sliding Window的方式，其实现在已经有很多Detection的网络了。当然，这门课是13年讲的吧，所以并不是那么更新的快。Deeplearing.ai已经用的是yolov2了。
Character Segementation
这块也是sliding window。应该也有一些检测网络能够检测了。其实目标检测就可以啊。
Data Synthesis
其实DeepLearing.ai里边也有讲，这里就是给一个案例：
比方说对于字符来说，我有了A，B的样本，其实我是可以知道是什么字体的。那么我就可以使用样本的背景，然后相同字体替换样本，扩充数据集。同时也可以增加一些畸变。
Ceiling Analysis
这个其实比较重要，尤其是对于PipeLine来讲。方法就是假如我有一个pipeline，ABCD。然后我的总体系统性能是70%。那么我可以依次把A先设定为完美，看系统性能，再在这个基础上把B设定为完美，看系统性能，以此类推，这样我就能知道到底那个系统最值得投入时间和资源进行改进，从而让整体系统最优。
Discussion on Getting More Data
有的时候我们可能高估了采数据的难度，所以我们应该仔细分析一下究竟想获得x10倍的数据，需要花多久。
