图像噪声与图像纹理匹配

Question

所以我一直在阅读使用TensorFlow和Keras的机器学习，我试着用一些自定义图像设置一个数据集，并尝试学习脚本来识别文本，同时过滤掉噪音，但问题是噪音颜色是一样的，文本颜色会过滤掉所有的内容。在

我并不是要求被调羹，我只是想知道解决/训练脚本解决图像上的文本的最佳方法的指针。在

我想要的是让脚本在屏幕上阅读，计算隐藏在图像中的单词并在命令行中打印结果。在

没有示例代码，因为之前的一切都是失败的，而不是我所寻找的。

Album link for Imgur

Answer 1

在你开始你的项目之前，你应该检查你的数据的“质量”，以及它对实时应用程序或你的项目的价值，如果图像不容易被人类读取，那么用这种数据进行训练就有点错误，因为人类往往很擅长视觉识别事物，很多情况下，“偏差误差”都是根据这一点得出的。
不管怎样，如果你的目标是从图像中读取有噪声的文本，你可以尝试以下这些技巧，这些技巧摘自coursera上的在线课程：“改进深层神经网络：超参数调整、正则化和优化”安德鲁教授天然气：

1-训练你的数据在正常和清晰的文本图像上，因为 它可以让你的算法从清晰的图像中学习很多特征和初始属性，比如字母的形状，有时你可能会对结果感到惊讶。在

2-让你的开发集（以及你的测试集）包含大量嘈杂的文本图像，这样你就可以检查你的算法对你真正关心的数据的处理效果如何（你的目标）

3-改变数据集可能有点困难，但如果噪音使foto的一部分变得连人类都难以阅读，那么这个数据集可能就没用了 因此，你可以带来一个噪声清晰的图像，并将它们与噪声图像混合（从旧的数据集中创建一个新的数据集），使其保持真实，而不是太机械化，然后根据新数据训练算法。在

构建一个好的ML算法或应用程序首先取决于您的数据，而这些只是一些符号，可能有助于您以另一种方式思考问题。在