में पाठ पहचान मैं टेंसरफ्लो और दीप लर्निंग के लिए नया हूं। मैं प्रकृति दृश्य छवियों में पाठ को पहचानने की कोशिश कर रहा हूं। मैं एक ओसीआर के साथ काम करता था लेकिन मैं दीप लर्निंग का उपयोग करना चाहता हूं। टेक्स्ट में हमेशा एक ही प्रारूप होता है: ABC-DEF 88:88।टेंसरफ्लो - छवि
मैंने जो किया है वह हर चरित्र/अंक को पहचानता है। इसका मतलब है कि मैंने अपने प्रशिक्षण और परीक्षण सेट का निर्माण करने के लिए प्रत्येक चरित्र के चारों ओर छवि को फसल किया (इसलिए प्रत्येक तस्वीर मुझे 10 अक्षर देती है) और वे दो रूपांतरण तंत्रिका नेटवर्क बनाते हैं। तो मेरा प्रशिक्षण सेट चरित्र चित्रों का एक सेट था और लेबल केवल अक्षर/अंक थे।
लेकिन मैं आगे जाना चाहता हूं। मैं जो करना चाहता हूं वह सिर्फ पूर्ण चित्र देने और पूरे पाठ को आउटपुट करना है (मेरे पिछले मॉडल में एक चरित्र नहीं)।
किसी भी मदद के लिए अग्रिम धन्यवाद।
धन्यवाद लेकिन इस वर्गीकारक (स्लाइडिंग खिड़की) एक convnet होना चाहिए करना चाहिए? प्रशिक्षण सेट में बहु चरित्र टेक्स्ट क्षेत्र या केवल एक वर्ण होना चाहिए? –
एक कन्फनेट ठीक है और कार्यान्वित करने में आसान है, यदि आप टेंसरफ्लो, कैफे या कुछ अन्य गहरी सीखने के ढांचे का उपयोग कर रहे हैं, लेकिन पहचान चरण में धीमा हो सकता है (क्योंकि आपको पूरी छवि में खिड़की को स्लाइड करने की आवश्यकता है, क्योंकि प्रत्येक छवि के लिए कई खिड़कियां)। अन्य मॉडल भी काम करते हैं, जैसे हायर जैसी सुविधाओं के साथ एक बूस्टिंग विधि (Google द्वारा "हायर जैसे फीचर एडबॉस्ट कैस्केड" आप चेहरा पहचान पर बहुत सारी सामग्री पा सकते हैं)। – soloice
@alexattia प्रशिक्षण सेट कई वर्णों को रखने के लिए बेहतर है। ऐसा करने से, आपके पास एक बड़ी खिड़की हो सकती है और झूठी सकारात्मक कम हो सकती है। यदि क्षेत्र बहुत छोटा है, तो कुछ अन्य चीजें अक्षरों/अंकों के रूप में रिपोर्ट की जा सकती हैं। कहें, एल्गोरिदम कुछ ऊर्ध्वाधर किनारे को "1" के रूप में ले सकता है, जो भयानक है। – soloice