---
tags: 實習日記
---
# 實習日記11/7~11/11
[TOC]
## 進度
1. 確認車牌正確率
2. 研究OCR
3. 研究類神經網路
4. Learn How to Preprocess Images for Text OCR in Python
5. 玩一下ocrmypdf
6. 參考資料:
- https://b98606021.medium.com/%E5%AF%A6%E7%94%A8%E5%BF%83%E5%BE%97-tesseract-ocr-eef4fcd425f0
- https://aws.amazon.com/tw/what-is/ocr/
- https://www.youtube.com/watch?v=tQGgGY8mTP0&list=PL2VXyKi-KpYuTAZz__9KVl1jQz74bDG7i

## 類神經網路筆記
- 模擬大腦神經細胞的運作方式
- 由一些高度連結的處理單元(稱做節點或是神經元,neuron )組成一動態的運算系統。
- 透過不斷地自我調整
- 使得輸入的資訊在經過神經元的運算之後能得到預設的輸出結果。
- 具有部分容錯的功能
- Sigmoid Function(激活函數)：為避免輸出訊號過強造成神經 元的傷害，類神經網路選取兼具正向收斂與負向 收斂(把數值收斂至0~1之間)的S型函數
⇨ 當輸入變數趨近於正無限大時，則輸出值會趨近 於1，當輸入變數趨近於負無限大時，輸出值會趨 近於0。
- 類神經網路架構與學習
目前來說使用的最普遍的是倒傳遞類神經網路 <font color="#f00">(Back-propagation Network)</font>

a. 輸入層(Input layer)，眾多神經元(Neuron)接受大量非線形輸入 訊息。輸入的訊息稱為輸入向量。

b. 輸出層(Output layer)，訊息在神經元鏈接中傳輸、分析、權衡，形 成輸出結果。輸出的訊息稱為輸出向量。

c. 隱藏層(Hidden layer)，是輸入層和輸出層之間眾多神經元和鏈接組 成的各個層面。隱層可以有一層或多層。隱層的節點(神經元)數目 不定，但數目越多神經網路的非線性越顯著，從而神經網路的魯棒性 (robustness)更顯著。

- 類神經網路訓練:在學習階段中，類神經網路學習調整聯結上的權 重值以能夠正確預測輸入值組的類別標籤
- 訓練的最終目的:獲得一組權重值，使得幾乎每筆訓練資料都能被正確分類。
- 步驟:
1.預設或是以亂數值初始權重。
2.一筆一筆的將輸入每組訓練資料。
3.進行回授 (feedback) 調整權重值，使得輸出與目標值吻合。
4.反覆進行同樣步驟，直到每筆訓練樣本均可得到目標輸出值為止 。
- 倒傳遞類神經網路的學習過程
1. 計算整批樣本的輸出值與實際值的差異，我們通常使用均方和 誤差(MSE, Means Squared Error) 來表示一個學習循環的誤差程度
2. 自動調整權重大小以及學習速 率，目前最常使用的方式是最陡 坡降法(The Gradient Steepest Descent Method)，就是將誤差以 可微分函數表示，透過微分斜率 的梯度來產生權重的修正量。
3. 正向傳導指的是輸入訊號從輸入層神經元進入到隱藏 層然後傳遞至輸出層，每個神經元只負責將訊號傳播至下 游的神經元，以產生最終訊號(預測結果)。
4. 反向傳導則是當輸出值(預測結果)與實際結果有落差時， 則將可以計算出單筆案例的誤差訊號。

⇨ 所謂的倒傳導，指的是要將此誤差項從輸出層反饋至隱藏 層，此時輸出層誤差項會跟據神經連結將誤差依照權重分 配至隱藏層神經元。
- 隱藏層與輸出層的連結權重調整:
- 優點:
1. 輸出值連續，應用範圍廣
2. 學習精確度高
3. 回想速度快
- 缺點:
1. 學習速度慢
2. 有局部最小值困擾
3. 網路架構和動態的決定仍缺乏系統化的方法

## OCR筆記
- 什麼是 OCR (光學字元辨識)？

光學字元辨識 (OCR) 是將文字影像轉換為機器可讀文字格式的程序。ex:PDF轉換、車牌轉換

- OCR 如何運作？
step 1 影像採集:
掃描儀讀取文件並將其轉換為二進位資料。OCR 軟體分析掃描影像並將淺色全域分類為背景，將深色區域分類為文字。

step 2 預先處理:
OCR 軟體首先會清除影像並移除錯誤以準備讀取。下面是採用的一些清除技術：

- 偏移校正或傾斜掃描文件，以解決掃描期間的對齊問題。
- 去除斑點或移除任何數位影像斑點，或平滑文字影像的邊緣。
- 清除影像中的邊框和線條。
- 多語言 OCR 技術的指令碼辨識

step 3 文字辨識:
OCR 軟體用於文字辨識的兩大類 OCR 演算法或軟體程序，稱為模式比對和特徵擷取。

step 4 模式比對:
模式比對的運作方式為，隔離稱為字符的字元影像，並將其與類似儲存的字符作比較。僅當存放的字符具有與輸入字符相似的字型和比例時，模式辨識才有效。此方法適用於以已知字型鍵入文件的掃描影像

step 5 特徵擷取:
特徵擷取將字符進行細分或分解為特徵，如線條、閉環、線條方向和線條交叉點。然後，使用這些特徵在其存放的各種字符中找到最相符或最近的芳鄰。

step 6 後期處理:
經過分析之後，系統會將擷取的文字資料轉換為電腦化檔案。某些 OCR 系統可以建立帶註釋的 PDF 檔案，其中包括掃描文件的前後版本。

- OC的類型
- 簡單的光學字元辨識軟體:簡單的 OCR 引擎透過將多種不同的字型和文字影像模式儲存為範本來運作。OCR 軟體使用模式比對演算法，將文字影像逐字元與其內部資料庫作比較。
- 智慧字元辨識軟體:現代 OCR 系統使用智慧字元辨識 (ICR) 技術，從而以與人類相同的方式來閱讀文字。這些系統藉助機器學習軟體，運用進階方法，訓練機器表現得像人類一樣。
- 智慧文字辨識:智慧文字辨識系統的運作方式與 ICR 相同，但處理的是整個文字影像，而不是將影像預先處理為字元
- 光學標記辨識:光學標記辨識可識別文件中的標誌、水印和其他文字符號。
## Preprocess Images for Text OCR in Python
### 0. Opening an Image
### 1. Inverted Images : 黑轉白，白轉黑

### 2. Binarization : 把圖片轉成黑白，先用灰階(讓過程更輕鬆)
灰階：
黑白：

### 3. Noise Removal :
### 4. Dilation and Erosion : 調整front size
erode(thin):
dilate(thick):

### 5. Rotation / Deskewing :
旋轉前：
旋轉後：
### 6. Removing Borders :
移除前：
移除後：

### 7. Missing Borders :

## ocrmypdf
原本：
經過ocrmypdf: