OCR中的滑动窗口耗费大量时间

Question

我正在实施滑动窗口技术来开发照片OCR，即从图片中剪切一个特定大小的矩形，并检查它是否包含文本。然后，矩形再次被移动了一些像素。但是这种滑动窗口技术需要花费大量的时间。例如，处理1366x768的图片需要6个小时，步长为2，窗口大小为20x25。有没有其他技术可以帮助或如何加快这一过程？

我正在用java编写代码。

Answer 1

如果不知道算法/代码的任何细节，就很难给出一个具体的建议。您可以考虑以下几个潜在的性能改进：

1. 可最大限度地减少磁盘I/O和缓存未命中。你说矩形是“从图片中剪切出来的”。如果每次“剪切”都是从磁盘中单独读取，那么效率会非常低，并且会大大增加执行时间。当你移动你的窗口(看起来是2个像素)时，新窗口中的大部分数据都是一样的，所以尽量避免重复读取这些数据，就像possible.
2. Decrease你的窗口大小或者增加你的步长一样。这显然会影响你的结果，但根据你试图进行光学字符识别的字符大小，这可能是一个选择。
3. 如果你正在应用卷积滤波器进行光学字符识别，请考虑通过图像的二维FFT对你的应用程序进行fast convolution，如果还没有的话。虽然您的问题不是embarrassingly parallel，但它可以相当容易地multithreaded.

Answer 2

滑动窗口方法是蛮力的，因此，本质上是非常慢的。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。

这里有一篇我比较熟悉的论文: B. Draper和A. Lionelle。“相似性转换下选择性注意的评估”，视觉与图像理解，100:152-171,2005

最后，您使用的是哪个ANN库？确保你的ANN代码正在进行矩阵/向量运算，并且它们是尽可能优化的！