如何训练能够识别图像上每个部分的模型？

Question

我想应用Tensorflow创建一个能够识别彩票中每个部分的模型。我想让它知道门票的日期，数字（6位数字，这几乎总是门票上最大的数字）和生产门票的省份（我们大约有36个生产彩票的省份）。

这里是彩票的示例。

• 省：CẦNTHƠ（在顶部，可以放置在彩票的其他部分中）
• 数字：106490（最大的6位数字）
• 日（dd-mm-yy / dd / mm / yy）：2016年5月18日（可以是2016年5月18日）

它并不总是这样。关键是，对于人类而言，我们可以理解，我们需要检查的一系列数字包括6个数字，我们需要知道日期和省份。

我已经阅读了本教程 https://colab.research.google.com/github/tensorflow/examples/blob/master/community/en/flowers_tf_lite.ipynb#scrollTo=ECQLkAsFTlun

我看到我们需要准备包含以下目录的训练数据：

• 数字（彩票中6位数字的图像）
• day（彩票中的每日图像）
• 省（包括代表36个省的36个子目录，每个目录包含该省的图像）

，其余的可以按照代码实验室中的说明进行操作。

我不确定这是否是正确的解决方案（这意味着我还没有尝试过），因为我不想花很多时间来收集数据来训练它，最终它无法按预期工作

通过检测每个区域以真正识别出它是哪个省，是哪一天，...我知道这是一个不同的故事，但这是一个起点。从每个区域的图像来看，我认为我可以做一个简单的OCR以获得最终结果。