我最近在Coursera上参加了一门机器学习课程，并以不错的成绩通过了课程。在课程中，我使用了KNN、逻辑回归、神经网络等算法，其中一项作业是编写用于数字识别的学习算法，我成功完成了这项任务。课程以一个关于Photo OCR的案例研究结束，这让我非常兴奋，但我在将课程中教授的基本算法应用于这个庞大问题时遇到了困难。那么，有人能建议我一些关于Photo OCR的算法吗？

回答：

图像识别的难点在于它对任何变化都非常敏感。人类大脑能够从图像中提取某些特征，即使图像经过了一些操作（如倾斜、旋转等），我们仍然能够识别出图像。

不过，据我所知，人工神经网络是最广泛使用的（通常加入一两个隐藏层也会有帮助）。我还听说过一种叫做Wisard（或Wizard）的技术，但找不到相关资料。这种技术基本上是将图像分成若干部分，然后在比较图像片段与知识库中的内容时，获得一个相似度的百分比。

不过，如果我是你，我会坚持使用神经网络，再加上一个像OpenCV这样不错的图形处理库（有各种包装器，包括Java和C#）。目标是尽可能消除不必要的信息。例如，在某些情况下，将图像转换为灰度或严格的黑白像素会有所帮助。