印刷文档的体系结构神经网络OCR

Question

我正在通过使用tensorflow为打印文档构建OCR来学习神经网络。

你介意给我建议架构神经网络有利于识别角色吗？ 我很困惑，因为我是一个新手，并且有很多神经网络设计

我找到MNIST CLASSIFIER，但他们的架构只是数字。 我不知道他们的架构是否可以与角色一起使用？

谢谢

Answer 1

正如您正确指出的那样，识别文档与识别单个字符不同。这是一个复杂的系统，需要时间从头开始实施。首先，存在预处理的问题。你需要找到文本的位置，或者稍微旋转它等等。这可以通过启发式和像OpenCV这样的库来完成。您还必须检测页码，页眉/页脚，表格/数字等内容。

然后，在某些情况下，你可以采取简单的＆＃34;路由并使用启发式将文本分段为字符。这适用于块字符，但不适用于草书脚本。

如果给出了细分，并且您不必猜测它，则必须解决多个相关问题，每个问题都与MNIST相似，但它们之间的相关性在于决策不是独立的。您可以查找MEMM（最大熵马尔可夫模型）与HMM（Hidden Markov Models，Hidden Conditional Random Fields和Segmental Conditional Random Fields，并研究它们之间的差异。您还可以阅读seq2seq

因此，如果你让自己变得简单，那么一旦显示分段（通过opencv中的一些启发式），你基本上可以多次运行MNIST分类器。最重要的是，你必须运行一个dynamic program，根据每个决定的得分找到最佳的最终序列，以及一个＆＃34;语言模型＆＃34;，它指定每个字母发生的可能性。其他

如果您从头开始，这不是一件容易的事。您可能需要几个月的时间才能获得基本的理解。快乐的黑客！