1

我正在实施滑动窗口技术来开发照片 OCR，即从图片中剪切一个特定大小的矩形并检查它是否包含文本。然后矩形再次移动了一些像素。但是这种滑动窗口技术需要很多时间。例如，处理一张 1366x768 的图片需要 6 个小时，步长为 2，窗口大小为 20x25。是否有任何其他可能有用的技术或如何加快该过程？

我正在用java编码。

4

2 回答 2

3

在不了解您的算法/代码的任何细节的情况下，很难给出具体的建议。您可以考虑几个潜在的性能改进：

  1. 最大限度地减少磁盘 I/O 和缓存未命中。你说一个矩形是“从图片中剪下来的”。如果每个“剪切”都是从磁盘单独读取，则效率非常低，并且会显着增加执行时间。当您移动窗口（移动 2 个像素）时，新窗口中的大部分数据都是相同的，因此请尽量避免重新读取该数据。
  2. 减小窗口大小或增加步长。这显然会影响您的结果，但根据您尝试 OCR 的字符大小，它可能是一个选项。
  3. 如果您正在应用卷积滤波器进行 OCR，请考虑通过图像数据的 2D FFT进行快速卷积。
  4. 多线程您的应用程序，如果它还没有。虽然您的问题不是令人尴尬的并行，但它可能相当容易多线程。
于 2012-11-27T13:34:41.903 回答
1

滑动窗口方法是蛮力的，因此从本质上来说非常缓慢。也许您应该看看基于显着性的技术，这些技术使用过滤器来优先处理要处理的图像区域。

这是我比较熟悉的一篇论文：B. Draper 和 A. Lionelle。“相似变换下选择性注意的评估”，视觉和图像理解，100:152-171，2005

最后，您使用的是什么 ANN 库？确保您的 ANN 代码正在执行矩阵/向量运算，并且它们已尽可能优化！

于 2012-11-30T04:34:33.663 回答