神经网络OCR -使用概率来确定接触符号？

Question

现在我使用一些神经网络进行OCR，它产生输出符号和它的一些概率。我也有分割触摸字符的算法。

我希望使用概率来决定何时应用拆分。但现在我不能这样做，因为我的网络有时会给出比正常字符更高的接触字符的概率。

此外，我不能理解即使在拆分之后发生了什么-有时正常的符号可以被拆分成另外两个符号，这两个符号都可以以比初始符号更高的概率被识别。

所以我需要决定该怎么做。问题是，在这种意义上，神经网络至少在理论上能否为OCR提供可靠的概率？如果可能的话，我应该怎么做呢？我应该尝试处理当前的输出，还是更多地训练网络，或者选择另一个网络？

任何形式的帮助或建议都将不胜感激

Answer 1

你的方法是好的，如果有足够的训练数据，并在预处理、拆分、训练等过程中消除了足够的bug，你的方法最终应该会起作用。

确保在训练集中拆分(在训练之前)与测试时拆分数字的方式完全相同。

但请注意，机器学习产生的算法在一定精度内是正确的，因此您总是会发现失败的实例。问题是你的整体测试性能有多好(例如，%正确的数字)，以及如何将其提高到应用程序所需的级别。

的问题是，神经网络至少在理论上能为光学字符识别提供可靠的概率吗？

是

如果可能，那么我应该尝试做什么？我应该尝试处理当前的输出，还是更多地训练网络，或者选择另一个网络？

所有这些，直到它起作用！训练规模是关键因素之一，随着训练规模的增长，您可以扩大网络以提高准确性。