过滤 OCR 结果
Filtering OCR Result
我正在研究 OCR，我一直在研究它，但现在我被困在如何过滤 OCR 结果以将每个字符串移动到一组文本字段中。
例如，
OCR 结果：
Name : Jhon
No : 12345
Address : Canada
...但有时它会将 "Jhon" 分配给文本字段 "Address"，或将 "Jhon" 分配给文本字段 "No"。
对于包含校验和的数据（通常是银行账号），可以校验校验和，如果你真的想要非常低的误报失败，你需要视频流输入，并继续做一段时间的OCR积累几个结果。当大多数 "checksum-valid" 相同时，那很可能 (99,5+%) 是正确的字符串。
如果没有视频流和累积结果，您可能会使用校验和数据达到 97-99,5%。
没有校验和：好吧，你真的不知道。
对于像 "No" 这样的字段，你至少可以拒绝按字母顺序排列的结果，对于 "Name" 你可以对数字进行惩罚（尽管我认为有一些晦涩的国家/地区名称中的数字是有效的？） ，在 Address 中，您可以对 "alphabet_digit" 结果给予额外的信心，并拥有所有 street/cities 字符串的字典，但最终无法说出哪个结果比其他结果更正确。
再次输入视频流并在较长时间（1-5 秒）内累积多个结果可能会给您足够的结果 运行 对它们进行一些统计，然后如果您有足够大的阈值部分结果出现在OCR中，考虑"correct".
即便如此，此类字符串的可靠性可能会低于 98%，接近 90-95%，对于没有任何提示的通用文本 (digit/letter/size/position)，您甚至可以达到 50-80% 的可靠性范围（作为整个字符串，因为 OCR 本身每个字符大约有 95-98%）。
我正在研究 OCR，我一直在研究它，但现在我被困在如何过滤 OCR 结果以将每个字符串移动到一组文本字段中。
例如， OCR 结果：
Name : Jhon
No : 12345
Address : Canada
...但有时它会将 "Jhon" 分配给文本字段 "Address"，或将 "Jhon" 分配给文本字段 "No"。
对于包含校验和的数据（通常是银行账号），可以校验校验和，如果你真的想要非常低的误报失败，你需要视频流输入，并继续做一段时间的OCR积累几个结果。当大多数 "checksum-valid" 相同时，那很可能 (99,5+%) 是正确的字符串。
如果没有视频流和累积结果，您可能会使用校验和数据达到 97-99,5%。
没有校验和：好吧，你真的不知道。
对于像 "No" 这样的字段，你至少可以拒绝按字母顺序排列的结果，对于 "Name" 你可以对数字进行惩罚（尽管我认为有一些晦涩的国家/地区名称中的数字是有效的？） ，在 Address 中，您可以对 "alphabet_digit" 结果给予额外的信心，并拥有所有 street/cities 字符串的字典，但最终无法说出哪个结果比其他结果更正确。
再次输入视频流并在较长时间（1-5 秒）内累积多个结果可能会给您足够的结果 运行 对它们进行一些统计，然后如果您有足够大的阈值部分结果出现在OCR中，考虑"correct".
即便如此，此类字符串的可靠性可能会低于 98%，接近 90-95%，对于没有任何提示的通用文本 (digit/letter/size/position)，您甚至可以达到 50-80% 的可靠性范围（作为整个字符串，因为 OCR 本身每个字符大约有 95-98%）。