分类从文本剪切的手写数字时准确性​​低

Question

我需要“阅读”充满手写数字的单行。示例：

如您所见，数字写得很草书，这会引起一些问题。 我的方法：

• 首先：使用对象检测“查找”数字
• 使用opencv的Otsu's Binarization
处理图像
• 然后：使用CNN集成模型对它进行分类，精度约为。 99.8％，接受了EMNIST数据库的培训。

在我的真实数据上使用时，准确性下降到大约79％，这在我看来是由于某些数字放入其他数字的盒子中引起的。 是否有任何数学/机器学习模型可以去除那些小的其他数字？还是CNN的替代品能够弥补这一问题，但又能达到较高的准确性？