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，將非語言格式的數據轉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。
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
最新活動更多
- 1 特斯拉Optimus Gen3量產在即，哪些環節最具確定性？
- 2 OpenAI深夜王炸！ChatGPT Images 2.0實測：中文穩、細節炸，設計師慌了
- 3 AI狂歡遇上油價破百，全球股市還能漲多久？ | 產聯看全球
- 4 6000億美元估值錨定：字節跳動的“去單一化”突圍與估值重構
- 5 Tesla AI5芯片最新進展總結
- 6 連夜測了一波DeepSeek-V4，我發現它可能只剩“審美”這個短板了
- 7 熱點丨AI“瑜亮之爭”：既生OpenClaw，何生Hermes？
- 8 2026，人形機器人只贏了面子
- 9 AI界的殺豬盤：9秒刪庫跑路，全員被封號，還繼續扣錢！
- 10 AI Infra產業鏈卡在哪里了？
