Gp.

Subject

參賽題目旨在希望參賽者能藉由圖像辨識、字元解析等技術來實現一個能即時且準確率高的圖像辨識工具，以取代過往需依靠人眼實際辨識的工作模式，除了降低人力成本外，亦希望能全面提升運作效益和減少人為辨識錯誤的疏忽發生

Methods

• 影像垂直與水平投影分析
  此方法是使用在字串辨識時，將字元分割的的方法，文字間會有間隔，因此對於像素不為0的位置設為起始點，為0的位置設為終點，就可獲得字元所在位置。
• 連通域分析(connected component)
  為圖論內經典的方法，將連接起來的像素視為一個物件，opencv也有支援的函式。
• 影像輪廓查詢cv.findcontours
  為opencv內的一個函數，可以用來偵測圖片內的物件輪廓，並將其存為一個物件。
• Adaptive thresholding
  是一種決定threshold的方式，決定threshold 的目的在於將圖片二值化，也因此決定threshold相當重要。比起傳統的方法為global threshold，adaptive thresholding決定threshold的方式會考慮其附近的pixel，以達到考慮不同區塊差異的效果
• 文字辨識軟體方面，Pytesseract套件是支援python的tesseract，而tesseract是一套開源的OCR軟體，目前由google管理，這個模型已經經由多種字型的dataset訓練過，是相當成熟的模型，目前已更新到第四版，並被利用在各種應用上。VGG為Deep learning中的一大經典模型，他主要的貢獻是將CNN透過較小的Conv堆疊使模型能夠變得更 “深”，是目前CNN圖像分類的主流模型。