7

我是 TensorFlow 和深度学习的新手。我正在尝试识别自然场景图像中的文本。我曾经使用过 OCR,但我想使用深度学习。文本始终具有相同的格式: ABC-DEF 88:88

我所做的是识别每个字符/数字。这意味着我裁剪了每个字符周围的图像(所以每张图片给了我 10 个字符)来构建我的训练和测试集,并且他们构建了一个两个 conv 神经网络。所以我的训练集是一组字符图片,标签只是字符/数字。

但我想更进一步。我想做的只是给出完整的图片并输出整个文本(不是我以前的模型中的一个字符)。

预先感谢您的任何帮助。

4

1 回答 1

6

困难在于你不知道文本在哪里。解决方法是,给定一张图片,你需要使用滑动窗口来裁剪图片的不同部分,然后使用分类器来判断裁剪区域是否有文字。如果是这样,请使用您的字符/数字识别器来判断它们到底是哪些字符/数字。

所以你需要训练另一个分类器:给定一个裁剪的图像(裁剪图像的大小应该比你的文本区域的大小略大),判断里面是否有文本。

只需构建训练集(正样本是文本区域,负样本是从大图像中随机裁剪的其他区域)并训练它~

于 2017-02-15T09:02:47.453 回答