为了具体起见:让我们假设" OCR“一词是指建立在R架构上的任何OCR系统。同样,为了简单起见,让我们声明我们对读取0到100之间的数字感兴趣。
问题:我应该如何构建数据集(考虑到上述目标和体系结构)?
我的理解是,我需要收集从1到100的所有数字的图像,并用相应的数字标记它们。这个前提对吗?
我的奋斗之处在于,我无法完全理解这个看似单调乏味的过程是如何推广到读取更一般类型字符(例如语言-字符)的OCR中的,或者如果我概括这个问题以检测从0到10^{10}的数字)。
提前感谢!
发布于 2022-10-26 16:34:40
用于识别字母的OCR对数字使用与OCR不同的训练数据集。一种含有字母的。
同样,如果你必须识别一个有很多数字的数字,你只需要识别其中的每一个。你不实际训练(大部分时间)的人数达到100,你只训练0-9。
在这样的模型中,泛化是指如果你的手写体a被训练在我的手写体a上,它就能很好地检测到它。当它看到的只是0-9时,它不可能识别出某物为"a“。
编辑:如果你主要担心的是标记数据集的实际构造(找到图像并给它们贴上标签),是的,这是一个非常繁琐的过程。但总得有人(人类)教这台机器。
https://datascience.stackexchange.com/questions/115615
复制相似问题