ニューラルネットワークOCR - 確率を使って接触記号を決定するか？

Question

今、私はOCRのためにいくつかのニューラルネットワークを使用しています。また、タッチする文字を分割するアルゴリズムもあります。

分割を適用するタイミングを決定する確率が予想されました。 しかし、私のネットワークでは、通常の文字よりも高い文字に触れる確率があるため、これはできません。

また、分割後も何が起こったのか理解できません。通常のシンボルを2つのシンボルに分割して、どちらも高い確率で初期シンボルを認識できる場合があります。

私は何をすべきかを決める必要があります。問題は少なくとも理論的にニューラルネットワークはこの意味でOCRの信頼できる確率を提供することができる ですか？ 可能であれば、私は何をしようとすべきですか？私は、現在の出力を処理するか、ネットワークをより訓練するか、別のネットワークを選択する必要がありますか？

ヘルプや提案の任意の種類を大幅に

Answer 1

あなたのアプローチは良好であり、最終的には十分なトレーニングデータを与え、あなたは

など、あなたの前からトレーニングを分割を十分にバグを取り除くことを考えれば動作するはずが理解されるであろう

訓練セットを（トレーニング前に）分割して、テスト時に桁を分割するのとまったく同じ方法にしてください。

ただし、機械学習では正確なアルゴリズムが生成されるため、失敗したインスタンスを常に見つけることができます。問題は、全体的なテストのパフォーマンス（たとえば、正しい桁数）がどれくらい良いか、アプリケーションに必要なレベルまでこれを上げる方法です。

この意味で、ニューラルネットワークは、少なくとも理論的に信頼できる の確率を提供することができますか？

はい、それは私がやろうべきことが可能である場合

？ 現在の出力または列車ネットワークを処理するか、別のネットワークを選択してください。 ネットワーク？

すべてが機能するまで！トレーニングのサイズは重要な要素の1つであり、トレーニングの規模が拡大するにつれて、ネットワークを拡張して精度を向上させることができます。