创建一个简单的数据集来训练印刷文本OCR的神经网络

Question

我想训练一个神经网络来识别文本上只有一种字体（Times Roman）。我可以为每个角色只拿一个训练样本吗？

我的理由是字体不会变化而不是手写字体。唯一可能改变的是角度和亮度，我可以在训练模型后推断它之前清理它。或者我错过了什么？

Answer 1

这取决于您输入的来源。如果输入将是截图并且字体始终相同（包括字体大小，粗体等）并且始终使用相同的颜色。然后你可能只用一套就可以逃脱。

如果您正在处理来自扫描仪或照片的输入，那么您可能最终会得到部分截止字符，页面弯曲或角度3D摄影中的扭曲字符，页面上的污迹以及数百万其他未成年人差异。您可以在将其发送到OCR之前尝试清理它们，但是您的清洁功能需要比OCR功能更先进才能工作，因此可能更容易为您使用一堆不同的学习集OCR神经网络。