提高tesseract-ocr中数字识别的准确率
可以从以下几个方面进行优化：
- 图片预处理：对于数字识别来说，图像质量对识别准确率有很大影响。可以尝试使用图像处理技术如去噪、平滑、二值化、锐化等来提高图像质量，使数字更加清晰。
- 字符集优化：tesseract-ocr提供了多个字符集供识别使用。可以根据实际情况选择适合的字符集，仅包含需要识别的数字字符，排除其他无关字符，从而提高准确率。
- 字典训练：通过增加针对数字的字典训练样本，提高tesseract-ocr对数字的识别能力。可以使用训练集生成tesseract-ocr所需的训练数据，并根据需要进行优化和调整。
- 参数调优：tesseract-ocr提供了一些参数可用于调优识别效果。可以尝试调整相关参数，如缩放因子、行间距、字符高度、颜色模式等，以获得更好的准确率。
- 错误校正：识别出的数字可能存在一定的误差，可以结合其他算法或规则对识别结果进行进一步的校正和修正，提高准确率。
- 使用腾讯云OCR产品：腾讯云提供了多种OCR相关的产品和服务，例如腾讯云文字识别（OCR）服务。通过使用腾讯云OCR产品，可以获得更高的数字识别准确率。详情请参考腾讯云OCR产品介绍：腾讯云文字识别（OCR）
以上是提高tesseract-ocr中数字识别准确率的一些建议和优化方法。希望对您有帮助。
相关·内容
我想做一个应用程序，可以将打印的名片转换为文本。我了解到tesseract-ocr可以通过训练提高准确性。
如果我希望每种类型的名片都有很高的准确率，我需要训练所有类型的名片吗？有数百种类型的名片具有不同的字体或格式。有没有其他方法可以在tesseract-ocr中达到高精度？
浏览 23提问于2016-01-22得票数 0
我一直在尝试从扫描的pdf文档中提取数据。我已经将pdf文件转换为jpeg文件(我在下面附上了图像链接)，裁剪具有不同字体的单词和数字，合并为tiff文件，并使用jTessBoxEditor训练字体生成新的语言，我使用该语言在Tesseract-OCR中提取文件中的数据。但我无法提取准确的数据。tesseract-ocr的文本识别准确率很低。
有没有人能提出一个提高准确率的方法？
浏览 21提问于2020-08-31得票数 1
我对西班牙语使用tesseract-ocr (pytesseract)，当您将语言设置为西班牙语时，它可以达到非常高的准确率，当然，文本是西班牙语的。如果不将language设置为西班牙语，则效果不佳。所以，我假设tesseract使用了许多后处理模型来进行拼写检查和提高性能，我想知道是否有人知道tesseract正在应用的这些模型中的一些(即编辑距离，噪声通道建模)。提前感谢！
浏览 6提问于2020-01-20得票数 0
3回答
我用MNIST数据集(有50000个训练输入)训练了我的ANN，然后跑了起来。当我尝试MNIST dataset.But中包含的测试输入时，我得到了91-92%的准确率(这是很高的)如果我给我的绘画图像作为我训练的人工神经网络的输入，它无法识别数字。即使是最清晰的。然而，如果我从互联网上下载一个数字的图像，它识别的准确率很高。所以，我不明白为什么我的ANN So除了画图之外什么都能识别。(MNIST数据集包含在黑色背景上具有白色数字的图像。)
浏览 2提问于2018-07-09得票数 0
1回答
我正在使用CNN对无线信号进行分类。同时，我遇到了一些奇怪的问题-当训练集准确率为80%时，我获得了79%的测试集准确率，但当trianset准确率为93%时，测试集准确率下降到了71%。以前有没有人遇到过同样的问题？ 我的网络是基于keras + tensorflow的。net的细节是： CNN(512,(2,2),tanh)
Batch_normaliztion
flatten()
DNN(512,elu)
DNN(256,elu)
DNN(128,softmax)
opt=adam
loss = mse 谢谢
浏览 38提问于2020-07-26得票数 0
1回答
我用pytesseract从图像中识别文本
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'
然后我使用下面的代码来识别文本
textImg = pytesseract.image_to_string(Image.open(imgLoc+"/"+imgName))
print(textImg)
text_file = open(imgLoc+"/"+"oriText.txt", "w")
浏览 2提问于2019-05-25得票数 0
1回答
我使用双向RNN来检测不平衡发生的事件。正面类的频率比负面类少100倍。虽然没有使用正则化，但我可以在训练集上获得100%的准确率，在验证集上获得30%的准确率。我打开了l2正则化，结果在训练集上也只有30%的准确率，而不是在验证集上进行更长的学习和100%的准确率。
我在想，也许我的数据太小了，所以为了实验，我将训练集与测试集合并，这是我以前没有使用过的。情况与我使用l2正则化是一样的，但我现在没有这样做。我在train+test和验证上获得了30%的准确率。
在上述实验中使用128个隐藏单元和80个时间步时，当我将隐藏单元的数量增加到256时，我可以再次在train+test集上进行过拟合
浏览 0提问于2016-10-21得票数 1
我想在中国为14岁以下的儿童建立一个英语声学模型，使用cmusphinx，词汇量约800个单词。
我做了一些研究，一些商业语音引擎需要花费数千个小时的语音记录来训练他们的声学模型：(细微差别和谷歌花费了2000+和1000+时间)。
因为我需要达到大约95%的准确率，我需要多少个小时的声音语料库？
语音语料库越长，其准确率就越高吗？
浏览 3提问于2013-10-30得票数 0
回答已采纳
3回答
我有10个类别的数据集，我得到了85%的准确率，在保存的模型上获得了相同的准确率。现在我想添加一个新类，如何将新类添加到已保存的模型中。我试着删除最后一层和训练，但模型过拟合，在预测中，每个图像都显示相同的结果(新添加的类)。
我就是这么做的
model.pop()
base_model_layers = model.output
pred = Dense(11, activation='softmax')(base_model_layers)
model = Model(inputs=model.input, outputs=pred)
# compile and fit s
浏览 1提问于2018-07-24得票数 2
我正在测试相同的图像附加到解码数字使用tesseract。我在64位Windows操作系统和32位Ubuntu操作系统上进行了测试。Windows操作系统中的测试结果给出了正确的结果。Windows的结果是43750，但是32位的Ubuntu给了我43730。我使用的代码如下所示
tesseract::TessBaseAPI tess;
tess.Init("/usr/share/tesseract-ocr/tessdata/", "eng", tesseract::OEM_DEFAULT);
tess.SetVa
浏览 1提问于2015-07-06得票数 0
回答已采纳
1回答
我使用谷歌的Tesseract API创建了一个识别文本的基本应用程序，并将其与我的相机应用程序集成在一起。它工作得很好，但唯一的问题是准确性，因为有时文本被识别为一组随机的字符，我猜准确率约为50%。
此外，当它试图扫描图像中超过四个单词时，应用程序会崩溃。
String ocrText = baseApi.getUTF8Text();
baseApi.end();
其中baseApi是Tesseract API类的对象。
我是否需要使用不同的数据结构来保存已识别的文本，或者是否有其他原因导致四个以上的单词无法识别？
浏览 2提问于2012-07-03得票数 3
回答已采纳
我正在训练tesseract，以便能够阅读TFT中的商店。所以我正在做的是用24张看起来像this的图片来训练它。在jTessBoxEditor的帮助下，选择了像this这样的盒子，每张图片有5个冠军和24张图片。但是，在执行以下代码时，结果并不十分准确，因为您可以看到here： File ImageFile = new File("image.png");
ITesseract instance = new Tesseract();
instance.setDatapath("D:\\jTessBoxEditor\\tesseract-ocr\\tessdata&#
浏览 191提问于2021-07-07得票数 1
我正在使用更快的rcnn(mxnet)在我自己的数据集上进行对象检测，它有9个类(包括背景)。然而，我发现它最终只打印出了训练过程中所有9个类别的平均准确率。此外，在测试过程中，它还仅打印出所有9个类别的平均精度和召回率。我想知道如何打印出训练过程中每个班级的准确率，以及测试过程中每个班级的召回率和精确度？或者有人能告诉我，我应该关注哪里才能接近我的目标？图中将显示一个理想的示例。
浏览 9提问于2017-11-30得票数 1
我正在从事车牌识别的工程工作，因此从一个简单的代码开始。也就是说，我下载了所有的库(或OpenCV、Tesseract和Leptonica )，但是当您试图编译时，我对位于库Tesseract中的文件have api.h有问题。
编译以下命令：g++ main.cpp -lopencv_core -lopencv_highgui -lopencv_imgproc -ltesseract
错误编译：tesseract-ocr/api/baseapi.h:27:22:致命错误: platform.h:没有这样的文件或目录
我代码的开头：
#include <iostream>
#inc
浏览 3提问于2015-08-26得票数 0
3回答
将文档分类为多个类别
、、、、
我在Postgres数据库中存储了大约30万个文档，这些文档带有主题类别(总共大约有150个类别)。我还有另外15万个还没有分类的文档。我正在尝试找到对它们进行程序化分类的最佳方法。
我一直在探索及其朴素的贝叶斯分类器。这似乎是一个很好的起点(如果你能为这项任务提出一个更好的分类算法，我洗耳恭听)。
我的问题是，我没有足够的内存来一次训练所有150个categoies/300k文档上的NaiveBayesClassifier (5个类别的训练使用8 8GB)。此外，随着我对更多类别的训练，分类器的准确性似乎会下降(2个类别的准确率为90%，5个类别的准确率为81%，10个类别的准确率为61%
浏览 0提问于2010-06-25得票数 33
回答已采纳
1回答
我正在尝试使用dlib查找地标。因此，我正在使用海伦数据集来拟合我的模型，从下载了2000个项目。但是准确率非常非常低。但是当我使用shape_predictor_68_face_landmarks.dat时，准确率很高。我已经读了Kazemi的论文，并将nu设置为0.1，depth=4和oversampling_amount=20，但它仍然工作得很糟糕。怎么了？
浏览 0提问于2017-05-04得票数 0
我正在使用CMU sphinx来识别字母表，但我注意到准确率非常低。( <=20%)。例如:当我拼写字母: A-P-P-L-E时，结果是A、B、B、L、E。准确率太低，没有用。
我希望不要像一些帖子提到的那样实现它，使用"alpha""beta“等来提高识别率。
在中生成字典文件和lm文件:当我限制字典并用词对话筒说话时，准确率在80%以上。那么之前有人解决过这个问题吗？或者任何想法都是值得欣赏的。谢谢。
浏览 0提问于2013-09-29得票数 1
我使用随机森林和SVM分类器进行分类，我有18322个样本，它们在9个类别(3667,1060,1267,2103,2174,1495,884,1462,4210)中是不平衡的。我使用10倍的CV，我的训练数据有100个特征维度。在我的样本中，训练数据在这100个维度上差别不大，当我使用SVM时，准确率约为40%，而当我使用RF时，准确率可以达到92%。然后我让我的数据在这100个特征维度上的差异更小，然而，RF也可以给我92%的准确率，但SVM的准确率下降到25%。
我的分类器配置是：
SVM: LinearSVC(penalty="l1"，dual=False)
RF: R
浏览 1提问于2015-04-26得票数 0
我正在使用PyTorch开发CIFAR-10数据集，并观察到某些类别的准确率较低，约为40-50%。为什么某些类别的图像更难处理？
浏览 5提问于2022-10-16得票数 0
当我使用u-net进行两个类别的语义分割时，我在模型最后一层的输出分别设置为1个通道和2个通道。然后使用交叉熵损失来度量: BCEloss和CrossEntropyLoss。但两者之间的差距很大。前者的性能是正常的，但后者的准确率很低，召回率很高。我用了pytorch。
浏览 26提问于2020-04-09得票数 0
回答已采纳
我使用kernel_initializer='normal‘和optimizer='adam’来找到最佳回归解决方案。我在训练数据上接近0.94的准确率。我想测试一些其他的kernel_initializer，激活函数和优化器组合，但我不确定kernel_initializer和激活函数对回归效果很好。请给出建议
# create model
model = Sequential()
model.add(Dense(13, input_dim=13, kernel_initializer='normal', activation='rel
浏览 21提问于2020-08-24得票数 0
4回答
基于tesseract的字符识别
、、、、
我正在尝试与tesseract API进行交互，我对图像处理也很陌生，最近几天我一直在和它做斗争。我尝试过简单的算法，我已经达到了大约70%的准确性。
我希望它的准确性是90+%。这些图像的问题在于它们在72 are中。我也试图提高分辨率，但没有取得好的结果，我试图被识别的图像是附加的。
任何帮助都将不胜感激，如果我问一些非常基本的问题，我很抱歉。
编辑
我忘记提到，我试图在Linux平台上做2-2.5秒内的所有处理和识别，而检测这个答案中提到的文本的方法需要很长时间。另外，我不喜欢使用命令行解决方案，但我更喜欢Leptonica或OpenCV。
大部分图片都是上
浏览 18提问于2013-12-20得票数 3
回答已采纳
场景:我一直在为cifar10数据集训练CNN。我使用的是tensorflow，还有一个CNN，它有12个conv层和1个密集层，在softmax稠密层之前。我正在使用数据增强以及批处理规范化。
在几百个历次之后，我对验证集的准确率最高达到92.73 %。
我的问题是：
验证损失略有上升，因为我训练更多。
当验证损失增加时，验证的准确性也会上升。
示例：
一个时代给了我0.295的损失，验证的准确率为90.5%。我的最佳验证时间精度为92.73%，验证损失为0.33。
问题：
为什么我的验证精度提高，而我的验证损失却在上升？
我应该使用与cross_entropy不同的损失度量吗？
浏览 0提问于2020-01-23得票数 3
回答已采纳
嗨，我一直在搜索研究论文，关于在我的手写OCR分类神经网络中使用哪些功能会很好。我是一个初学者，所以我只是获取手写字符的图像，在它周围做一个边界框，然后将它调整为15x20的二进制图像。这意味着我有一个包含300个要素的输入层。从我在google上找到的论文(大多数都是相当古老的)来看，方法确实各不相同。我的准确率并不差，只有一个二进制网格的图像，但我想知道是否有人有其他功能，我可以用来提高我的准确率。或者只是给我指个正确的方向。我真的很感激！
谢谢，扎克
浏览 2提问于2012-10-15得票数 1
回答已采纳
我创建了一个非IID数据集，其中我将60000个示例(10个类，每个类有6,000个示例)划分为200个片段，每个片段有300个示例。有100个客户端，我为每个客户端随机分配2个片段。这是一些客户的情况。
我使用这个数据集来训练我的TFF模型。训练集的准确率约为0.99，而测试集的准确率仅为0.5左右。我试了很多次，但都没反应。我认为可能模型是过拟合的，所以我添加了两个dropout进行测试，但我得到了相同的结果。然后我将relu()函数更改为leakyrelu()，并将优化器函数从SGD更改为Adam，但准确率也约为0.5。我不知道为什么。我知道非IID会导致准确率下降，而FedAvg可以缓
浏览 0提问于2020-04-15得票数 1
TLDR；版本：
有人使用我能看到的.NET包装器为Tasseract配置“bazaar”吗？
我很确定这就是我想要的(只从单子上认出一些单词)，但它似乎什么也没做
我有一个很短的可能的字符串列表，我试图找到(1-4个单词)。Tesseract的文件说：
如果要替换整个字典，则需要解压缩.traineddata文件，创建一个新的word-dawg文件，然后将文件打包回.traineddata文件。有关更多详细信息，请参阅TrainingTesseract。
听起来像我想要的！因此，我看看，并看到：
培训数据文件只是输入文件的连接，其中包含已知文件类型的偏移量的目录。有关当前接受的文
浏览 5提问于2016-10-19得票数 3
1回答
我创建了一个合成数据集，其中一个类中有20个样本，另一个类中有100个，因此创建了一个不平衡的数据集。平衡前的数据分类准确率为80%，而平衡后的分类准确率为60% (即两个类别的100个样本)。可能的原因是什么？
浏览 0提问于2018-02-23得票数 7
回答已采纳
1回答
我有大约14,000张图像用于人脸检测二进制分类任务。大约12,000张图像用于训练，2,200张用于验证。我的CNN架构如下-
regularizer = tf.keras.regularizers.l2(l=0.001)
init = tf.initializers.he_uniform()
model = tf.keras.models.Sequential([
tf.keras.layers.Conv2D(filters = 32, kernel_size = (3, 3), strides = (1, 1), padding='same', activati
浏览 1提问于2019-10-19得票数 1
2回答
我正在为分类任务训练CNN，我将数据集分成三个部分: 70%用于培训，15%用于验证，最后15%用于测试。我使用训练集来训练网络，并使用验证集来选择超参数。在完成了所有的工作之后，我使用测试集测试了我的模型，但是结果表明，该模型在测试集上的性能优于验证集(一个模型的准确率为85%，而另一个模型的准确率为80% )。
有可能吗，还是我做错了什么？由于我致力于提高模型在验证集上的性能，而在整个模型训练过程中，测试集是不可见的。
浏览 3提问于2018-03-10得票数 0
回答已采纳
1回答
何时使用PCA进行降维？
、、、
我正在使用Matlab分类学习应用程序测试不同的分类器在一个训练集(大小= 700)。我的响应变量是一个包含5个可能值的分类标签。我有7个数字特征和2个分类特征。我发现立方体支持向量机的准确率最高，为83%。但是，当我启用解释方差为95%的PCA时，性能明显下降(准确率为40.5%)。我是一名学生，这是我第一次使用PCA。
为什么会看到这样的结果？可能是因为一个小的/不平衡的数据集吗？什么时候应用PCA？当我们说“降维”时，原始集中是否有最小数量的特征(维数)？
任何帮助都是非常感谢的。提前感谢！
浏览 3提问于2020-07-07得票数 1
我有包含数字和原始文本的数据，不同的是：
柴油发电机功率为15 The。我需要一个单相发电机。
三相发电机需要140千伏安。
需要70g/m^2 GSM a4大小的复印机纸。
我删除了数值数据，并对从Doc2Vec获得的向量进行了分类器训练，获得了大约80%的准确率。
在创建doc2vec向量时，是否考虑到文本中涉及的数字(此处为15,140,70)？或者是否有任何方法来考虑这些数字，以提高准确性？
浏览 0提问于2019-02-20得票数 5
回答已采纳
1回答
首先，我对虹膜数据集使用正态logistic回归，它得到了0.977的准确率，第二次对数据集进行预处理时，我得到了0.955的准确率。为甚麽呢？
from sklearn.linear_model import LogisticRegression
import sklearn.metrics as metrics
logreg= LogisticRegression()
xtrain, xtest, ytrain, ytest= train_test_split(x,y, test_size= 0.3, random_state= 1)
logreg.fit(xtrain, ytrain)
浏览 1提问于2020-04-20得票数 0
我正在尝试从图像中提取数字。我测试了tesseract-OCR，但结果不够好。例如,
tesseract test.jpg stdout --psm 6
将输出：
4367 42424W0 104
我认为这个问题是由于单词后面有一些背景图像造成的。有什么方法可以改善结果吗？
浏览 3提问于2017-08-22得票数 1
回答已采纳
我使用pytesseract包中的image_to_string函数将单个图片文件的多个部分转换为字符串。除这张图片外，所有部件都在工作：
下面是我用来转换它的脚本：
from PIL import Image
import pytesseract
pytesseract.pytesseract.tesseract_cmd = 'C:/Program Files (x86)/Tesseract-OCR/tesseract'
im = Image.open('image.png')
text = pytesseract.image_to_string(
浏览 3提问于2018-04-26得票数 2
3回答
基于CNN的数字识别
、、、、
我正在卷积神经网络上测试打印的数字(0-9)。它在MNIST数据集上提供了99+ %的准确率，但当我尝试使用安装在计算机上的字体(Ariel，Calibri，Cambria，Cambria Mathematic，Times New Roman)并训练由字体生成的图像(每种字体104张图像(总共25种字体-每种字体4张图像(差别很小))时，训练错误率不低于80%，即20%的准确率。为什么？
这是"2“个图片样本-
我调整了每个图像的大小为28 x 28。
以下是更多细节：
训练数据大小= 28 x 28图像。网络参数-作为网络的LeNet5架构-
Input Layer -28
浏览 3提问于2016-07-15得票数 7
我正在使用Apache Spark Mllib实现一个多层感知分类器。在下面的代码中，我只使用了两层，即输入层和输出层。我只能得到33%的准确率。当我尝试添加更多的层作为int[] layers = new int[] {36,30,20,13};时，我得到了27%的准确率。我已经尝试了各种层的随机数。但是准确率很低。你能帮我提高准确度吗？
int[] layers = new int[] {36,13};
// create the trainer and set its parameters
MultilayerPerceptronClassifier tr
浏览 1提问于2016-12-08得票数 2
我正在做一个使用python中的朴素贝叶斯分类器进行文档分类的项目。我已经使用了nltk python模块来做同样的事情。这些文档来自路透社数据集。我执行了词干提取和停用字消除等预处理步骤，并继续计算索引项的tf-idf。我使用这些值来训练分类器，但准确率非常低(53%)。我应该做些什么来提高准确率？
浏览 2提问于2012-05-09得票数 2
回答已采纳
2回答
良好的训练，测试和验证的准确性，但奇怪的历史准确性的模型行为:这是我的模型的总结： ? 我执行了执行和预测任务，得到了下一个混淆矩阵： ? 而准确率行为紧随其后： ? 我不能理解这是过拟合还是欠拟合，还是正常行为？ 添加损失图以在下一篇文章中阐明更多内容 ? 提前感谢您的任何有用的信息和帮助！
浏览 90提问于2020-08-11得票数 1
回答已采纳
我试图使用pytesseract从.jpg文件中提取数据，但只提取了部分文本，这样就会出现拼写错误。有谁能帮我建议一下如何提取全文吗？我已经为您的参考代码片段附加了.jpg，我正在使用它进行文本提取。
img=Image.open('page-594-5.jpg')
pytesseract.pytesseract.tesseract_cmd = 'C:/Program Files/Tesseract-OCR/tesseract.exe'
text=pytesseract.image_to_string(img,lang='eng')
print
浏览 2提问于2020-05-20得票数 0
我正在使用python中的Tesseract-OCR版本3.05dev来处理一些文档。我的主要问题是4号是打字机的字体。它几乎总是错过它，并输出空，而不是4或一些不正确的文本。我上传了一张图片样本。
我也不需要使用tesseract，如果你对其他(更好的)引擎有建议，请告诉我。
浏览 3提问于2016-05-06得票数 3
回答已采纳
1回答
我正在做3个类别的文本分类，在训练我的模型后，下面的图像是我的模型准确率和损失结果，这意味着我的模型没有学习吗？ ?
浏览 25提问于2020-11-27得票数 0
回答已采纳
1回答
我标记了一个具有独立类别的文本数据集。当在Keras中运行CNN分类器时，我得到了> 90%的准确率。
我的短信是客户评论“我真的很喜欢这款手机的摄像头。”类有“手机摄像头”、“内存”等。
我正在搜索的是，我是否可以用出现在句子中的类别来标记句子，同时分类器标记指示类别的实体。或者更具体地说:我如何提取输入句子的那些部分，这些部分在Keras中选择(即分类) 1个、2个或更多类别的CNN网络？
浏览 1提问于2018-12-18得票数 0
1回答
在我的tess4j OCR应用程序中，字符识别的准确率很低。我听说，关闭tess4j中的字典将提高准确性，让个人字符被识别。但我不知道该怎么做。有人知道如何关掉tess4j中的字典吗？
浏览 12提问于2014-10-20得票数 0
在一篇教程中，我读到input和raw_input是有区别的。我发现它们改变了Python3.0中这些函数的行为。新的行为是什么？
为什么在python控制台解释器中这样做？
x = input()
发送一个错误，但是如果我把它放在一个file.py中并运行它，它不会吗？
浏览 1提问于2010-09-27得票数 10
回答已采纳
我试图使用Tesseract-OCR读取和OCR所有的.png文件，不仅在当前文件夹中，(因为有答案)，但在的所有子文件夹。这适用于文件夹：
for %%A in ("C:\Users\x\AppData\Local\Tesseract-OCR\temp\*.png") do C:\Users\x\AppData\Local\Tesseract-OCR\tesseract.exe "%%~fA" "%%~dpnxA"
我试着用它遍历"temp“文件夹中的所有子文件夹：
(for /r %%a in (*.png) do C:\Users\
浏览 0提问于2019-06-05得票数 1
回答已采纳
我试图用Python编写代码，用于使用Tesseract-OCR进行手动图像预处理和识别。
手册过程：
为了手动识别单个图像的文本，我使用Gimp对图像进行预处理，并创建一个TIF图像。然后我把它喂给Tesseract-OCR，它正确地识别了它。
用Gimp对图像进行预处理-
将模式更改为RGB /灰度
菜单--图像--模式- RGB
脱粒
菜单--工具--彩色工具--阈值--自动
将模式更改为索引
菜单--图像--模式-索引
调整大小/比例至宽度>300 to
菜单--图像--缩放图像-- Width=300
保存为Tif
然后我给它喂食-
$ tesser
浏览 3提问于2015-09-09得票数 6
1回答
我正在使用CNN在Chainer中对细胞图像进行分类。随着主/训练精度的提高，模型的验证精度也在下降。我想知道为什么验证准确率在下降，有什么方法可以提高验证准确率。 数据形状为( 32，3，60，80)，其中32是批量大小，3是通道，60和80分别是高度和宽度。 我已经在除最后一层之外的所有层中应用了relu和dropout。在该模型中，即使在50个时期之后，训练和验证精度也是不变的。下面给出的模型显示主/训练精度从0.78逐渐增加到0.98，验证精度在100个时期后从0.79变化到0.66。 model = Sequential(
L.Convolution2D(None, 128
浏览 24提问于2019-01-08得票数 1
回答已采纳
1回答
得到以下结果的数据点总数= 1500。其中，我有
1473年标为0和
其余27名为1。
从混淆矩阵中可以看出，在属于1类的27个数据点中，只有1个数据点被错误分类为0。因此，我计算了个别类别的准确度，得到了标记为0= 98.2%和其他类别的准确率分别为1.7333%和1.7333%。这个计算正确吗？我不确定.我确实得到了一个很好的分类标签为1的类，所以为什么它的准确性低？单独的分类准确率对于class0应该是100%，对于class1大约是98%。
一次错误分类会使1级的准确度降低这么多吗？这就是我在MAtlab中计算各个类的精确性的方法。
cmMatrix =
1473 0
1
浏览 0提问于2018-07-09得票数 0
回答已采纳
我正尝试在Inno Setup中执行以下命令： move "MyFolder\Extra\Tesseract-OCR" "MyDestFolder" 我尝试使用： Filename: "{cmd}"; Parameters: 'move ' + "MyFolder\Extra\Tesseract-OCR" + ' ' + "MyDestFolder"'; 和 Filename: "{cmd}"; Parameters: 'move ' + A
浏览 124提问于2020-01-16得票数 1
1回答
可以将Tesseract-OCR (或Tess-Two)与Kivy应用程序集成吗？我希望创建一个使用Kivy框架的基于OCR的文本识别的Android应用程序。我在我的PC上使用Tesseract API已经有一段时间了，我想知道是否有一种方法可以在Kivy应用程序中使用它的功能。如果没有，有没有其他选择？
浏览 18提问于2017-08-28得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
