ایا در دستبندی ocr نیاز به کلاس غیر متنی دارم یا نه؟

Question

من روی سکمنتش و ocr متن دارم کار میکنم
قسمت یادگیری و یا تشخیص متن را با استفاده از دیب لرنیگ انجام دادم ایا من نیاز دارم یک کلاس دیگر به اسم غیر متن به کلاسهام اضافه کنم یا خیر؟ من حدود 37 دسته از 1-9 و از الف تا ی دارم ایا نیاز هست اینکار رو بکنم و اگر منفی هست چطور کلاس های که اشتباه هست را تشخیص بدهم و... چون نرخی که دسته بندی دیب میده مقدارش بالا است مثلا برای یک ابجکت اشتباه گفته به اندازه 85 درصد یا بالاتر به فلان کاراکتر مرتبط هست و.... تعداد نمونه های اموزشیم کاملا متوازن نیست یعنی از برخی کاراکتر ده هزار تا دارم و برای برخی حدود 2 هزارتا لطفا دوستان راهنمایی کنند.

Answer 1

یک مدل از مراحل یک سیستم او سی ار به ترتیب زیر می باشد
1. تشخیص متن
برای تشخیص متن از روش پنچره متحرک می توان استفاده کرد
در این بخش نیاز هست که داده هایی در دو دسته داشته باشیم متن و بدون متن (متن با کارکتر و عکس بدون کاراکتر)
2. بخش بندی کاراکترها
در این بخش نیاز به دو دسته از داده ها داریم کاراکترهای تنها و فاصله بین کارکترها ( یعنی اگر حروف جدا هستند "ی ا" و اگر پیوسته هستند "یب" فقط قسمت پیوستگی کلمات)
3.کلاسه بندی کاراکترها
در این مرحله فقط نیاز به کاراکترها داریم به تعداد حروف و کلمات

در هر مرحله سعی کنید که تعداد نمونه ها با هم برابر باشند و اگر متوازن نیست با استفاده از روشهای مختلف data augmentation (تقویت داده ها) آن نمونه هایی که کمتر هستند را بیشتر کنید.