学习书籍：《深度实践OCR:基于深度学习的文字识别》
OCR是什么？
文字识别（OCR，Optical Character Recognition）是视觉感知中的一个重要技术，目的是从照片中提取文字信息。
发展史
模式匹配（可以识别1k个印刷体汉字）->基于K-L数字变换的匹配（可以识别2k个印刷体汉字，但是造价昂贵）->LeNet5网络使OCR达到了商用的水平->AlexNet网络使cv技术进入爆发期，识别和检测间接促进了OCR技术的发展
发展阶段
传统OCR技术方法 and 基于深度学习的OCR技术方法
有关的专用名词：
DAR（Document Analysis and Recogition，文档图像分析和识别）
STR（Scene Text Recognition，场景文字识别），是OCR的重要分支。
传统OCR方法一般流程
序列化标注问题，主要目标是寻找文本串图像到文本串内容的映射，一般分解流程如下图所示：（合乎人类视觉处理逻辑）
step 1 图像输入： 对于不同的图像来说，因为有着不同的格式和压缩方式，所以需要使用不同的方法进行解码；
step 2 图像预处理： 主要包括二值化、去噪声、倾斜矫正等；
step 3 版面分析： 对文档图片分段落、分行的过程，称为版面分析；（没有固定统一的切割模型）
step 4 字符切割： 因为需要对每个字做识别，所以需要将版式的文字切割成一个个单字，以便用于后续的识别分类器的使用；
step 5 字符识别： 由早期的模板匹配，到后期的特征提取；
step 6 版面恢复： 根据识别后的文字，回归到原始的文档图片那样显示，段落、位置和顺序都不变的输出到 Word 文档和 PDF 文档等；
step 7 后处理： 根据语言模型，对识别的结果进行语义校正。
涉及到的问题：
- 处理流程的工序太多，而且是串行的，这使得错误会被不断放大
- 涉及太多的人工设计，不一定能抓住问题的本质
深度学习的自适应学习驱动方式可以很好地应对这些问题：
文字检测
手动提取特征
（感觉理论又臭又长，实际上会神经网络的基础基本就能看懂，等以后有空再写吧）