我正在研究OCR，我已经开始工作，但现在我仍然坚持如何过滤OCR结果以将每个字符串移动到一组文本字段中。
例如， OCR结果：
姓名：Jhon
否：12345
地址：加拿大
...但有时它会分配＆＃34; Jhon＆＃34;到文本字段＆＃34;地址＆＃34;，或＆＃34; Jhon＆＃34;到文本字段＆＃34;否＆＃34;。
答案 0 :(得分：1)
对于包含校验和的数据（通常是银行帐号），您可以验证校验和，如果您确实需要非常低的误报率，则需要视频流输入，并且在一段时间内继续进行OCR累积几个结果。当大多数＆＃34;校验和有效时＃34;那些是相同的，那么很可能（99,5 +％）正确的字符串。
如果没有视频流和累积结果，校验和数据可能会达到97-99,5％。
没有校验和：嗯，你真的不能说。
对于＆＃34; No＆＃34;等字段。你至少可以拒绝按字母顺序排列的结果，以及＆＃34; Name＆＃34;你可以惩罚数字（虽然我认为有一些不起眼的国家名称中的数字有效吗？），在地址中你可以给＃34; alphabet_digit＆＃34;结果，加上所有街道/城市字符串的字典，但最终没有办法说哪个结果比其他结果更正确。
再次进行视频流输入并在较长时间内（1-5s）累积多个结果可能会给你足够的结果来运行一些统计数据，然后如果你有足够大的相同部分结果的阈值出现在OCR，考虑它＆＃34;纠正＆＃34;。
即使这样，这些字符串的可靠性可能会低于98％，更接近90-95％，对于没有任何提示（数字/字母/大小/位置）的通用文本，您甚至可以获得50-80％的可靠性范围（作为整个字符串，因为OCR本身每个字符大约有95-98％）。