抱歉,这可能是一个愚蠢的问题,但我对机器学习和Tessaract OCR还比较陌生。我听说Tessaract OCR可以进行训练。
我想知道的是,Tessaract OCR默认是否使用神经网络作为训练机制,还是我们需要明确编程来使用神经网络?
如果我的“训练”概念理解有误,请见谅。但我确切想知道的是,Tessaract是否已经在使用神经网络,如果没有,我该如何结合Tessaract OCR使用神经网络来提高识别准确性?
如果有人能推荐一些好的资源、参考方式或尝试方法来帮助我入门,将会非常有帮助。
我目前了解的是基本的机器学习监督训练概念以及在Tessaract OCR中执行基本图像OCR操作的知识。
回答:
看起来Tessaract默认使用自适应分类器。可以看看这个不错的阅读资料:
https://github.com/tesseract-ocr/docs/blob/master/tesseracticdar2007.pdf
似乎有一个名为“立方体模式”的选项,它会切换到使用神经网络进行学习系统,而不是自适应分类器(https://code.google.com/p/tesseract-ocr-extradocs/wiki/Cube)。关于自适应分类器的更多信息:
http://www.cs.indiana.edu/~rawlins/website/adaptivity/information-helper.html
此外,与之密切相关的是学习分类系统:
http://en.wikipedia.org/wiki/Learning_classifier_system
另外,你对“训练”的术语理解非常接近。训练是教导模式识别系统或学习系统如何对特定输入集做出响应的方式。然后,当它遇到未知数据时,会使用相似性来对新数据进行分类。在我看来,机器学习是现存最酷的领域之一(可能是有偏见的观点,但无论如何!)继续学习吧!你是元学习者:学习如何教机器学习!很酷的东西!