<分区>
我正在研究我正在研究的 OCR，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“地址”，或将“Jhon”分配给文本字段“否”。
<分区>
我正在研究我正在研究的 OCR，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“地址”，或将“Jhon”分配给文本字段“否”。
最佳答案
对于合并了checksum的数据(一般是银行账号)，你可以验证checksum，如果真的想要非常低的误报率，你需要视频流输入，持续做OCR一段时间积累几个结果。当大多数“校验和有效”的字符串相同时，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，您可以使用校验和数据达到 97-99.5%。
没有校验和:好吧，你真的无法分辨。
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(尽管我认为有一些模糊的国家/地区名称中的数字是有效的？)，在 Address 中你可以给出对“alphabet_digit”结果的额外信心，加上所有街道/城市字符串的字典，但最后没有办法说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段(1-5 秒)内累积多个结果可能会给你足够的结果来对它们进行一些统计，然后如果你有足够大的阈值来显示相同部分的结果OCR，认为它是“正确的”。
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(数字/字母/大小/位置)的通用文本，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%)。
关于java - 过滤 OCR 结果，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/40375324/