訂閱
糾錯
加入自媒體

什么是NLP?NLP的兩個核心任務是什么?

01

什么是NLP

NLP(自然語言處理-Natural language processing)就是在機器語言與人類語言之間溝通的橋梁,以實現(xiàn)人機交流的目的。

02

NLP的兩個核心任務

NLU:自然語言理解。希望機器像人一樣,具備正常人的語言理解能力。NLG:自然語言生成。為了跨越人類和機器之間的溝通鴻溝,將非語言格式的數(shù)據(jù)轉(zhuǎn)換成人類可以理解的語言格式,如文章、報告等。

學習鏈接:https://easyai.tech/ai-definition/nlp/

文字也是人類語言之一,文字識別分為兩個具體步驟:文字的檢測和文字的識別,兩者缺一不可,尤其是文字檢測,是識別的前提條件,若文字都找不到,那何談文字識別。

03

自然場景文本檢測

自然場景下的文本檢測有如下幾個難點:

文本存在多種分布,文本排布形式多樣;

文本存在多個方向;

多種語言混合。

1、Faster RCNN

Faster RCNN做文本檢測感覺問題不大,但是從效果來看,僅套用Faster RCNN來做文本檢測效果并不好,原因在于,文本有自己獨有的特點,這種通用的文本檢測框架并不能很好地解決文本的這些特點。

2、CTPN

CTPN(基于Faster RCNN):目前比較成熟的文本檢測框架,精確度較好。但是檢測時間較長,有很大的優(yōu)化空間。

【文獻】Detecting Text in Natural Image with Connectionist Text Proposal Network

文本行一般以水平長矩形的形式存在,而且文本行中每個字都有間隔,所以僅套用Faster RCNN來做文本檢測效果并不好。

而CTPN剔除一個新奇的想法,我們可以把文本檢測的任務拆分,第一步我們檢測文本框中的一部分,判斷它是不是一個文本的一部分,當對一幅圖里所有小文本框都檢測之后,我們就將屬于同一個文本框的小文本框合并,合并之后就可以得到一個完整的、大的文本框了,也就完成了文本的檢測任務。這個想法有點像“分治法”,先檢測大物體的一小部分,等所有小部分都檢測出來,大物體也就可以檢測出來了。

1  2  下一頁>  
聲明: 本文由入駐維科號的作者撰寫,觀點僅代表作者本人,不代表OFweek立場。如有侵權(quán)或其他問題,請聯(lián)系舉報。

發(fā)表評論

0條評論,0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁,請輸入驗證碼繼續(xù)

暫無評論

暫無評論

人工智能 獵頭職位 更多
掃碼關(guān)注公眾號
OFweek人工智能網(wǎng)
獲取更多精彩內(nèi)容
文章糾錯
x
*文字標題:
*糾錯內(nèi)容:
聯(lián)系郵箱:
*驗 證 碼:

粵公網(wǎng)安備 44030502002758號