 知道Google 街景是如何識別各種千奇百怪的門牌號的嗎？靠的是它搭建的一個瘋狂的神經網絡。 我們知道，在受約束環境下（如文檔處理）的字符識別技術，比方說OCR 技術已經被研究得很透。但是對照片中的多字符文本識別卻是個難題，因為這些照片中的字體、顏色、樣式、方向、排列不一，再加上光照、陰影、鏡像、遮蔽等環境因素影響，還有圖像本身的分辨率、焦點模糊、抖動等問題。而傳統的圖像文字識別，一般要經過字符定位、分割和識別三個步驟，處理效率不高。考慮Google 街景的每天上傳的圖片量，以往的這些方法顯然缺乏實用價值。 為此，Google開發了一套大型的神經網絡來處理海量的Google街景圖片中的門牌號識別問題。這個神經網絡的代號是DistBelief，其學名是深度卷積神經網絡，我們之前曾介紹過這套會思考的深度學習系統。經過DistBelief訓練的這個大型分佈式神經網絡，可以把定位、分割和識別三個步驟集成到一起，直接對每一個像素進行操作。其性能隨著神經網絡的深度增加而提高，在11層的時候達到最高。
|
