OCR中的滑动窗口技术耗时过长

我在开发照片OCR时使用了滑动窗口技术,即从图片中切割出一个特定大小的矩形,并检查其中是否包含文字。然后,再将矩形移动几个像素。但这种滑动窗口技术耗时过长。例如,处理一张1366×768的图片,步长为2,窗口大小为20×25时,需要6个小时。是否有其他技术可以帮助加速这个过程?

我使用Java进行编程。


回答:

在不了解你的算法/代码细节的情况下,很难给出具体的建议。以下是几个可能的性能改进建议:

  1. 尽量减少磁盘I/O和缓存未命中。你提到矩形是从图片中“切割”出来的。如果每次“切割”都是从磁盘中读取数据,这将非常低效,并会显著增加执行时间。当你移动窗口(看起来是移动2个像素)时,新窗口中的大部分数据是相同的,尽量避免重新读取这些数据。
  2. 减小窗口大小或增加步长。这显然会影响结果,但根据你试图进行OCR的字符大小,这可能是一个选项。
  3. 如果你在进行OCR时应用了卷积滤波器,考虑通过图像数据的二维FFT进行快速卷积
  4. 如果你的应用程序尚未多线程化,请考虑多线程化。虽然你的问题不是令人尴尬的并行问题,但它可以相对容易地进行多线程处理。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注