大家好！如您所知，我们SE从事（不仅限于）不同文档的文本识别。今天，我们想谈谈在复杂背景下识别文本时的另一个问题-关于识别空间。通常，我们将讨论银行卡上的名称，但首先，用字母“重影”作为例子。如您所见，在D的右侧，扭曲和背景形成了一个非常清晰的背景。此外，如果将此单元格与其他所有内容分开显示， （或神经网络）肯定会说有一个字母。
如您在图片中看到的，我们正在处理具有复杂背景的原始图像，因此我们的空间非常多样化。它们有图案，徽标，有时还有文字。例如，卡片上的VISA或MAESTRO。我们对这种“复杂空间”感兴趣，而不仅仅是白色矩形。在我们的系统中，我们考虑分别精确切割符号的矩形[1]。困难是什么？
空格是没有特殊符号的符号。在复杂的背景（例如图像）中，即使对于人来说，单独分割的空间也可能难以区分。另一方面，从本质上讲，空格与其他字符不同。如果以名称代替ABIA识别了ABIA，那么就有机会通过后期处理对其进行修复。但是，如果在那儿出现IA，则不太可能有所帮助。我们不使用的方法
通常使用从图像计算出的统计数据来过滤空间。例如，考虑图片中梯度的平均绝对值或像素强度的变化，然后通过阈值将图片划分为空格和字母。但是，从图中可以看出，这种方法不适用于背景复杂的灰度图像。而且由于值的显式相关，即使将这些方法组合起来也无法使用。每个人最喜欢的二值化在这里也无济于事。例如，在此图片中：那么，如何提高识别度呢？
由于一个人需要一个空间的环境才能看到他，因此网络显示至少两个相邻的字符是合乎逻辑的。我们不希望增加识别网络的输入，该网络通常运行良好（并识别许多差距）。因此，我们将获得另一个网络-更简单。新的网络将预测图中的内容：两个空格，两个字母，一个空格和一个字母或一个字母和一个空格。因此，这样的网络与识别网络结合使用。该图显示了所使用的体系结构：左侧是识别网络的体系结构，右侧是建议的网络的体系结构。识别网络在具有一个字符的图片上运行，而新的网络则在包含两个相邻字符的双倍宽图片上运行。一个测试？
为了进行测试，我们有4320行，其名称包含130,149个字符，其中68,246个空格。首先，我们有两种方法。基本方法：我们将字符串切成字符，然后分别识别每个字符。新方法：我们还剪切了一个字符串，使用新的网络查找所有空格，然后正常识别其余字符。该表显示，空间识别的质量以及整体质量正在提高，但是字母的识别质量略有下降。但是，我们的核心网络也可以识别空间（尽管比我们想要的要差）。我们可以尝试利用这一优势。让我们看一下这两种方法的错误。而且-基于基本错误的新方法的质量，反之亦然。对于基本方法：对于新方法：从最后三个表中可以看出，要改善系统，值得使用网络额定值的平衡组合。同时，逐个字符的质量很有趣，但逐行更有趣。结论
空格-实现100％的文档识别质量的一个大问题=）空格的示例清楚地表明，不仅要看单个字符，还要看它们的组合是多么重要。但是，不要立即抓住重型火炮并学习处理整个弦乐的巨型网络。有时，只需另一个小型网络就足够了。这篇文章是使用2015年欧洲ECMS建模会议（保加利亚，瓦尔纳）的报告中的材料制作的：Sheshkus，A.＆Arlazarov，VL（2015）。使用视觉上下文检测复杂背景上的空间符号。使用的资料清单1. YS Chernyshova，AV Sheshkus和VV Arlazarov，“摄像机捕捉图像中文本行识别的两步CNN框架”，IEEE Access，第1卷。8页。32587-32600，2020，DOI：10.1109 / ACCESS.2020.2974051。