18.1問題は、フローチャートを説明しました
（1）画像の文字認識は、与えられた画像から文字を識別することです。
（2）プロセスであって：
1.テキスト検出
2.文字セグメンテーションは（今のセグメンテーションを必要としません）
3.文字の分類
スライディングウィンドウ18.2
歩行者検出、スライディングウィンドウは、最初のトレーニング入力の固定サイズは、歩行者のネットワークか否かを判断し、ネットワークに供給されるイメージ画像の大きさに切断され、その後、プロセスを繰り返し、トリミング領域を移動し続けます、知っている最後にクリップし、そうで作物をスケーリングし、その後、ネットワークを入力するスケーリング画像にカットし、そして。
以下に示すように、まず、同一の文字認識のためのスライディングウィンドウ、文字以外の文字の区別を行うために、次に適切拡張文字領域、重複領域は、次いで、合わせアスペクト比（すなわち長さよりも大きい高さ）に従ってフィルタリングされます。
次のようにテキストが設定され、一般的なトレーニングモデルは、データを分割されています。
単一の文字を分割した後、ニューラルネットワークを使用して、サポートベクターマシンやロジスティック回帰分類器訓練することができます。
18.3データと手動大量のデータを取得します
（1）ランダムなバックグラウンドをフォローする例を作成して追加し、インターネットからフォントをダウンロードしてください。
既存のデータの回転、歪み、ボケなどの新たなデータを生成する（2）使用。
データのメソッドの詳細については：
マニュアルデータの合成（1）。
（2）手動によるコレクション、マークデータ。
（3）すべてのパケット。
18.4上限：パイプラインの一部の横を行うには
プロセスは、正しい文字が入力として検出フルテキストセグメンテーションを提供する場合、72％正しいされており、以下、以下、システムを検出するのは難しい作業するテキストで説明89％の精度を向上することが見出されました。
より多くの労力を要し、この段階で大きな指示を持ち上げる場合は、すべてのステップは、多くの改善をもたらす場合は、次の表では、完全に正しいです。まず、テキスト検出の表は、文字認識、手間がかかるし、テキストセグメンテーションはよくやっています。
