数据科学学习记录

主要是想督促自己学习，做一个不定期的记录。
目前 CV 和 NLP 是业界比较热门的深度学习应用，

暂定计划如下：


1. Python

Book： Python Cookbook， 3rd Ed.

2. Deep Learning
Book: Deep learning with Python

3. Computer vision
Book: Machine Learning for OpenCV
Stanford CS231n

4. NLP
Book: Neural network methods in NLP
Book: NLP with tensorflow

Transfer learning

image classifer: e.g. VGG, Inception V3

one example in keras: https://medium.com/@dataturks/deep-learning-and-computer-vision-from-basic-implementation-to-efficient-methods-3ca994d50e90

光学字符识别（英语：Optical Character Recognition，OCR）是指对文本资料的图像文件进行分析识别处理，获取文字及版面信息的过程。

OCR 技术已经比较成熟并应用于产品，比如 Dropbox， https://blogs.dropbox.com/tech/2017/04/creating-a-modern-ocr-pipeline-using-computer-vision-and-deep-learning/

有些开源库可以使用，比如 Google Tesseract, 注意图片必须经过预处理, https://medium.freecodecamp.org/getting-started-with-tesseract-part-i-2a6a6b1cf75e

如果不用第三方库，也可以直接用 openCV 自带的 matchTemplate 方法来实现， https://www.pyimagesearch.com/2017/07/17/credit-card-ocr-with-opencv-and-python/
.--
当然如果数据来源太过复杂，比如有很多噪音杂质，各种奇怪的字体，人类手写笔迹等，那么就需要 Deep Learning 了。大致思想是基于R-CNN，首先用CNN 提取特征，然后用 RNN 如 LSTM/GRU 进行文本识别。
https://towardsdatascience.com/build-a-handwritten-text-recognition-system-using-tensorflow-2326a3487cd5

关键是 OCR 引擎，自己DIY 有些费时费力，但也不是完全不能实现

可以用Google 开源的 Tesseract
https://github.com/tesseract-ocr/tesseract

也可以采用 Google Cloud Vision API
https://cloud.google.com/functions/docs/tutorials/ocr#functions-update-install-gcloud-python

Azure computer vision API
https://docs.microsoft.com/en-us/azure/cognitive-services/computer-vision/quickstarts/python-disk

好几天没有更新，犹豫要不要复习下 C++

上周主要熟悉了 Google Cloud Vision API

下周开始学习 Microsoft Azure computer vision API

图片预处理是道砍阿

微软的API 比谷歌差了一个档次，文档也差，识别效果上也差一个档次

为了进一步研究OCR 引擎，还是决定先投资大约两周时间复习下 C++

目标是看懂 tesseract 的源代码，然后试着建立一个自己的引擎模型

这可能是一个比较长期的项目，有一定的风险

计算机视觉是深度学习重要的应用领域，发展前景非常宽广。

计算机视觉发展的历史其实已经很长了。

朱松纯：初探计算机视觉三个源头兼谈人工智能
https://mp.weixin.qq.com/s?__biz=MzAwMTA3MzM4Nw==&mid=2649439592&idx=1&sn=fdb687300e4a930fdd08c23d8816bbd8&chksm=82c0d4ecb5b75dfae69dd0a219916ab8533da9a6d02d3c7cfbcc5323579c16033bba7407f2b5&scene=21#wechat_redirect

Simon Prince’s wonderful book， Computer Vision:  Models, Learning, and Inference
http://www.computervisionmodels.com/

Stanford Vision lab
http://vision.stanford.edu/index.html
http://www.computervisionmodels.com/