使用神经网络的 OCR

Posted 2023-04-17

【中文标题】使用神经网络的 OCR

【英文标题】：OCR using a Neural Network

【发布时间】：2014-12-02 18:11:26

【问题描述】：

我正在努力了解神经网络的用法以执行 OCR，我的目标与通常的 OCR 算法有点不同。

我的目标是能够确定特定输入是否是特定字母，例如我希望从用户那里得到字母“A”，我需要确保我没有得到不同的字母形状。

我需要能够确定给定的输入是否是正确的形状。

根据我一直在阅读的内容，这里有几个选项，MLP、SOM 网络、反向传播网络。

据我了解，由于我计划为每个形状（字母）创建样本以训练网络，因此我应该定义一个 SOM 网络，对吗？

我不确定哪个方向是首选，如果您能指出正确的方向，那就太好了。

我打算使用 Encog 框架，不确定是否重要。

【问题讨论】：

试试咖啡github.com/BVLC/caffe/tree/master/examples/mnist

【参考方案1】：

根据您的描述，SOM 不是最佳选择，因为它是一个无监督分类器。您正在为每个训练示例指定类（字母）；因此，多层感知器（MLP）等有监督分类器更为合适。

关于 MLP 与反向传播网络，这是一个有点错误的区别。 MLP是一种人工神经网络（ANN），而反向传播是一种学习方法。可以使用反向传播或其他方法（例如遗传算法）来训练 MLP。

【讨论】：

因此，如果我理解正确，您建议为了测试给定输入是否与特定字母匹配，我应该创建一个已针对该特定字母进行训练的 MLP，并可以决定输入对吗？

并不是那么简单，您可以通过多种方式设置解决方案。一种是创建一个输出与字母一样多的 MLP。然后，您会将输入分类为具有最高输出值的字母。或者，您可以为每个字母训练一个一对一的 MLP，并为给定的测试使用适当的 MLP。另一个因素是您是否允许输入不是任何经过训练的字母，但从您的问题中不清楚是否允许。

你提到的一种方法比另一种更准确吗？我不允许输入不是经过训练的字母之一。

两者本质上都不准确。反向传播是训练 MLP 最常用的方法，通常训练速度更快。如果输入始终是允许的字母之一，那么输出与字母一样多的单个 MLP 可能是可行的方法。请注意，您的 MLP 中可能需要一两个隐藏层。

感谢您的帮助！