所以我一直在学习使用TensorFlow和Keras进行机器学习，我一直在尝试使用一些自定义图像来设置数据集，并试图学习脚本以在过滤掉噪音的同时识别文本，但是问题是就是杂色和文字颜色相同，从而滤除所有内容。
我不是要spoon脚，我只是想要找到解决/训练脚本来解决图像上文本的最佳方法的指针。
我要寻找的是让脚本在屏幕上阅读并计算隐藏在图像中的单词，然后在命令行中打印结果。
没有示例代码，因为之前的所有操作都是失败的，而不是我真正想要的。
答案 0 :(得分：0)
在开始您的项目之前，您应该检查数据的“质量”，它对于实时应用程序或项目的价值，如果图像不能被人类轻易读取，那就有点不对劲了使用此类数据进行训练，因为人类往往非常擅长在视觉上识别事物，并且很多时候都因此而采取“ Bias错误”。
如果您目标要从图像中读取嘈杂的文本，则可以尝试以下技巧，这些技巧取自于Coursera上的在线课程：“改善深度神经网络：超参数调整，正则化和优化” “由吴安德教授（Andrew Ng）
1-在正常和清晰的文本图像图像上训练数据，因为那样 会让您的算法从清晰的图像中学习很多功能和初始属性，例如字母的形状，有时结果会让您感到惊讶。
2-让您进行 DEV 设置（以及您的测试集），其中包含许多嘈杂的文本图像，以便您可以检查算法在实际数据上的实际作用关心（您的AIM ）
3-更改数据集可能有点困难，但是如果噪音以某种方式构成了照片的一部分，即使对于人类来说，也很难阅读，则该数据集可能会变得毫无用处（并非总是如此）。 因此，您可以带来清晰的噪声图像，并将其与噪声图像混合（从旧的噪声图像中创建一个新的数据集），以使其保持逼真且无需太多机械手，然后在新数据上训练算法。
构建一个好的ML算法或应用程序首先取决于您的数据，而这些仅仅是一些注释，可以帮助您以另一种方式思考问题。
答案 1 :(得分：0)
A）您可以尝试做的一件事是获取清晰文本图像的数据，通过在图像中添加人工噪声并将其作为输入进行训练以进行降噪，然后通过该网络传递图像，从而对GAN或类似网络进行训练。然后将其传递到文本检测器/ OCR引擎（例如pytesseract或google vision ocr）
B）在可能的字符集（例如YOLO或FasterRCNN）上训练图像检测器，并增加噪声，您可以再次这样做，将噪声人为地添加到数据中，但是可能需要一些手动注释。
C）您可以尝试检查this之类的方法，方法是检查图像中是否包含所有字母/已知字符，然后组合结果。我个人比较喜欢这个。
PS。我还没有完全阅读用C链接的论文，但是您链接的图像似乎更容易通过单次分割方法来解决，而不是训练GAN。
PPS。根据您对问题的评论，请确保创建验证码解决机器人不会违反使用该网站的任何法律条件（出于某种原因，我不得不这样说）。