gydtep

对于被检测到的文本行，基于角点进行**变换，再使用TPS变换获得水平、竖直方向的文本，按比例缩放长边到指定大小，并以灰色为背景padding为方形图像。

gydtep

这一预处理方式既保持了输入图像语义的完整，同时在训练和测试阶段，图像可以在方形范围内自由的旋转平移，能够有效的提高弯曲、畸变文本的识别性能。

gydtep

一方面结合我们业务的特点，通过数据库中已经完成制作的包含生僻字的名称，反向挖掘出可能出现生僻字的图像进行人工标注

gydtep

其中一个思路是通过数据增广的方式扩充数据样本。Google DeepMind在CVPR 2019提出AutoAugment的方法, 主要通过用强化学习的方法寻找最佳的数据增广策略。

gydtep

我们分别从数据，模型设计层面阐述如何解决数据不足和模糊识别的问题，以及如何进一步提高文字识别能力。

gydtep

例如SEED在CVPR 2020提出将语言模型添加到识别模型中，通过图像特征和语义特征综合判断提高文字识别能力。

gydtep

数据应用的安全，为用户提供工具化的数据安全产品，优化用户体验，帮助用户更好应对各类数据风险。

gydtep

数据误用是由于非故意的、过失性动作导致的，防止误用一般指防止数据被不经意间错误使用。

gydtep

应对数据误用的风险，防止数据误用，核心的一点，就是了解数据，能够回答这些问题：我有什么数据，这些数据在哪里，这些数据是怎么来的、又被如何使用，等一系列问题。

gydtep

定期审计：对权限的申请、审批、使用情况进行分析，做到事前有审批，事后有审计。