我是TensorFlow和Deep Learning的新手。
我试图识别naturel场景图像中的文本。我曾经使用OCR，但我想使用深度学习。文本始终采用相同的格式：
ABC-DEF 88:88。
我所做的是识别每个字符/数字。这意味着我在每个角色周围裁剪图像（因此每张图片给我10个字符）来构建我的训练和测试集，并构建一个两个转换神经网络。所以我的训练集是一组角色图片，标签只是字符/数字。
但我想更进一步。我想做的只是提供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）。
提前感谢您的帮助。
答案 0 :(得分：5)
困难在于您不知道文本的位置。解决方案是，给定图像，您需要使用滑动窗口裁剪图像的不同部分，然后使用分类器来确定裁剪区域中是否有文本。如果是这样，请使用您的字符/数字识别器来确定它们确实是哪些字符/数字。
所以你需要训练另一个分类：给定一个裁剪的图像（裁剪图像的大小应该略大于文本区域的大小），判断是否有文本。
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〜