OCR 中的滑动窗口需要大量时间

Posted 2023-04-17

【中文标题】OCR 中的滑动窗口需要大量时间

【英文标题】：Sliding windows in OCR taking lot of time

【发布时间】：2012-11-15 03:00:38

【问题描述】：

我正在实施滑动窗口技术来开发照片 OCR，即从图片中切割出一个特定大小的矩形并检查它是否包含文本。然后矩形再次移动了一些像素。但是这种滑动窗口技术需要很多时间。例如，处理一张 1366x768 的图片需要 6 个小时，步长为 2，窗口大小为 20x25。是否有任何其他可能有用的技术或如何加快该过程？

我正在用 java 编码。

【参考方案1】：

如果不了解您的算法/代码的任何细节，很难给出具体的建议。您可以考虑几个潜在的性能改进：

最大限度地减少磁盘 I/O 和缓存未命中。你说一个矩形是“从图片中剪下来的”。如果每个“剪切”都是从磁盘单独读取，则效率非常低，并且会显着增加执行时间。当您移动窗口（移动 2 个像素）时，新窗口中的大部分数据都是相同的，因此请尽量避免重新读取这些数据。 减小窗口大小或增加步长。这显然会影响您的结果，但根据您尝试 OCR 的字符大小，这可能是一种选择。 如果您要应用卷积滤波器来执行 OCR，请考虑通过图像数据的 2D FFT 执行 fast convolution。 多线程您的应用程序，如果它还没有。虽然您的问题不是embarrassingly parallel，但它很容易是多线程的。

【讨论】：

感谢您的回答。我无法减小或增大窗口大小，但我绝对可以选择 2 像素相同的数据。而且我已经应用了多线程。

【参考方案2】：

滑动窗口方法是蛮力的，因此从本质上来说非常缓慢。也许您应该看看基于显着性的技术，这些技术使用过滤器来确定要处理的图像区域的优先级。

这是我比较熟悉的一篇论文：B. Draper 和 A. Lionelle。 “相似变换下选择性注意的评估”，视觉和图像理解，100:152-171，2005

最后，您使用的是什么 ANN 库？确保您的 ANN 代码正在执行矩阵/向量运算，并且它们已尽可能优化！