burgesspennn8

丹麥文翻譯

所以不要誤解我對機械進修有偏見！還誤解我是本身不懂才有心不消的！真的不是如許！我曾最討厭JavaScript，但是HTML5興起後，一年以內我就變成JS的專家，還能講授生用JS寫出雷同Line的通訊軟體！晚期的學生以為我一直都是寫JS的人！學姊返校跟我創業時卻很驚奇：「教員你不是一貫喜好用VB，很厭惡JS的嗎？怎麼學弟們最谙練的說話是JS，而不是VB了？」以此觀之，我是對峙抗拒新科技的老固執嗎？你們本身判定吧！

很多人會思疑：「翻譯公司根本不消機械進修的手藝，做那麼多影像辨識的工作不會遭到限制嗎？會不會良多事做欠好？做不快？或做不出來啊？」就像某位老闆竟然沒有手機？這不會影響做生意嗎？其實目前對我來講是不會的，緣由且聽我道來！

事實上機器學習的強項是和OCR軟體近似的！首要用於「認知」阿誰圖案是甚麼意義！今朝鉦昱翻譯公司除了做車牌辨識以外，最大項的工作就是替以OCR為基礎，推出影象辨識軟硬體商品的公司辦事。他們需要鉦昱翻譯公司協助確當然不是若何辨識奇新鮮怪的字，而是處置從原始影象中正確抓出字元區塊的這個步驟！

所以鉦昱翻譯公司做的工作很像二廚替大廚準備食材，就是影象處置需要的準備步調，灰階化→二值化→輪廓化→切割為自力字元目標。簡單嗎？很難的！因為狀態異常多，如前面的圖形吧？點矩陣列表機印的文字，在影象上底子就是分離的目的，若何「融會」它們成為一個單一方針送給OCR辨識就是個很難處置懲罰的邏輯。相對的，印刷字太擠，影象相連沾在一起時，兩個字被看成一個字送去辨識，OCR當然沒這麼聰明，怎麼比對謎底都是錯的！此時鉦昱翻譯公司就必需「切香腸」，准確切開相連目的以後才能餵給OCR。

我「臨時」不消機械進修的緣由也差不多！用機械學習機制來辨識字元，對我目前的需求來講沒需要。至於用機器進修幫我判定字元外形位置？判定目的是不是需要融會或切割呢？這是抽象思考，AI今朝還沒這麼聰明啦！如果放膽讓他們「自鉦昱翻譯公司進修」可能會算到天荒地老！使用軟體的客戶鐵定會抓狂的！請記得：機械學習的弱點是需要很多計算，你的手機或PC效能可以跟Alphago比擬嗎？

OCR包羅兩個首要階段，先是要在影象中鎖定准確的字元位置，其次才是依據鎖定的目標區塊入手下手翻箱倒櫃，用資料庫中的資料比對出那是甚麼字(或圖案)翻譯那些翻箱倒櫃辨識奇形異狀文字的工作今朝的OCR軟體已做得很好，是個和功課系統一樣成熟龐大的商品，所以這部分底子沒我的事！車牌辨識因為只需辨識少數的字元與字型，這部門我就簡單本身做了，不必買OCR軟體，如果買了就賠死了！

鉦昱翻譯公司提了一下準備做藥盒辨識的議題，許多機械進修或深度進修的建議又來了！明顯在這個 AI 的新時代，機器進修變成顯學了！事實上我對此也是略知一二的，但現實操作的手藝上確切是沒經驗，但我估量研發的時候與取得足夠樣本或資料庫的成本較高，讓鉦昱翻譯公司不會將機械學習看成最好的選項，乃至我判定較適合用這類體例解決的案子，就直接推辭或推薦他人做了！

固然這些跟鉦昱翻譯公司的工作算是無關的，即使是辨識藥盒上的字串，他們也不是要我「翻譯全文」只是要抓出批號與過期日，我的大麻煩並非「字很希奇」而是字的位置規模欠好確定，必須有一個程式在任何色彩、字元大小與印刷體例下，即便字元沾連或破裂我都能准確圈出那些字來辨識，因為字的可能性不會太多，鉦昱翻譯公司不會用OCR，否則買授權就是我自己工作報價的很多多少倍了！

我今朝的工作可以算是OCR(Optical Character Recognition，光學字元辨識)，就是讓影象中的文字變成真正可以在電腦中被辨認編輯的文字資料，車牌辨識其實就是其中一個最廣用的案例！鉦昱翻譯公司以研究車牌為出發點，不測地遭到業界正視，開始協助良多範疇去影象中「找字元」！掃描文件是在2D的基礎上做，拍攝的照片則是在3D的基礎上處理，前者已經不簡單了，後者變數就更多！

所謂機械「進修」就隱含了測驗考試毛病的意義，感受上OCR資料庫是死的，機器學習多了一些想像的空間，如同他會積累經驗？或至少比定型資料比對更有彈性！但是列位可想到運算時間的問題？OCR軟體目前很貴，主要緣由就是它可以特別很是快速的從極度多的可能字元中比對出後果，它的價值是「快」不是聰明！所以這些年它不單沒有被機械進修軟體代替，還繼續連結很貴！

如果OCR或機械進修軟體完全沒有字元在哪裡的出發點資訊，那就必需在原圖上逐點掃描，乃至也不知道目標大小，一個字模上是10x20的字型，在原始影象上多是任何寬高比1:2的圖形，加上會傾斜乃至變形！OCR或機械學習軟體即便能跑出准確成績，所需時候也會慢到讓人無法接受的！OCR本身當然有「根基」的字元鎖定程式，可是能力有限，碰著印刷複雜或不是極清楚的影像就很容易辨識失敗翻譯