Как добиться распознавания текста и цифр в 99,9%?

Question

[ProgerFromGod]

У меня задача, распознавать текст и цифры с видео.
Пока реализация такая, делается скриншот, и подключена библиотека tesseract ocr. Но точность распознания примерно 95%. Платные библиотеки выходят очень дорого. (так как получается большое количество скриншотов)

А мне надо достичь 99-100%. Как это сделать?? Если обучить самому нейронку это поможет?

Answer 1

[GavriKos]

Посмотреть чем нераспознанные скрины отличаются от распознанных, какие у них уникальные признаки, и дальше уже думать можно ли их привести к виду тех которые распознаются.

Comments

[ProgerFromGod]

т.е. вы предлагаете вариант через изменения вида скрина? а дополнительное обучение нейронки?

[GavriKos]

ProgerFromGod, можно и дообучать, но нужно понимать чем и зачем. Дообучать 10% плохих результатов - так себе, а вот если понять что отличается и нагенерить таких плохих результатов побольше - будет профитнее. Всегда сначала анализ

Answer 2

[rPman]

Низкое качество каждого кадра видео по отдельности, но человеческий мозг вытягивает из нескольких соседних кадров информацию и распознает

У тебя условно два пути:
1. попытаться из видео какими-то методами, не обязательно нейронной сетью, вытянуть повышение качества изображения, и уже на нем проводить распознавание
2. собрать 3d обучающую выборку, где одним примером является серия соседних кадров одного и того же участка (можно кстати комбинировать методы из 1 пути, для центрирования искомой части изображения, что бы можно было распознавать в движении)

Второй метод универсальнее, и в каком то смысле проще, если ты сможешь собрать большую обучающую выборку.. но первый даст прогнозируемое качество.

Для первого, пример использования - stacking, используемый в астрофотографии