这是一个创建于 1658 天前的主题，其中的信息可能已经有所发展或是发生改变。
有什么思路指点一下
 | 1 Kinnice 2021-03-29 14:29:51 +08:00  1 根据 ocr 识别的速度来评分，写的越规整，（理论上)识别就越快（猜的） |
 | 2 crackhopper 2021-03-29 14:31:38 +08:00 乱说的哈 1. 偏旁部首拆分，和标准的偏旁部首的占比，等等进行对照。 2. 对偏旁部首本身的扭曲程度，手动标准打分，做模型进行训练。 3. 对多个字体大小和位置，作为评估指标。 4. 尝试拆解笔画，对笔画进行评估。 当然，最简单暴力的就是直接找出一堆手写样本，标定分数，训练模型。后续从上面的几个角度扩展，以及从模型的 bad case 里找思路。 |
| 3 crackhopper 2021-03-29 14:33:32 +08:00 数据预处理也是需要的，对齐，拉伸等等的。另外如果到笔画程度，可能需要用点几何特征。但我感觉针对特殊风格的手写体还是麻烦，比如行书。可以先限定楷体。 |
 | 4 PeakFish 2021-03-29 14:34:21 +08:00 你测试测试 颜真卿 王羲之的 能测试通过？ 机器能懂得人类的美吗 |
| 5 crackhopper 2021-03-29 14:35:51 +08:00 @PeakFish 做过才知道行不行。我觉得机器也是能理解美的。 |
 | 6 yaphets666 2021-03-29 14:38:24 +08:00 @crackhopper 应该拿颜真卿 王羲之的去训练就行了... 理解肯定是不能理解的 |
 | 7 rayhy 2021-03-29 14:39:42 +08:00 直接检测每个字，然后看看每个字的 bounding box 足不足够对齐？ |
 | 8 wxw752 2021-03-29 14:41:38 +08:00 工整这个概念很模糊，因为字体太多了。 我觉得可以做到判断写的字和训练集所用字体的相似程度。 |
| 9 crackhopper 2021-03-29 14:41:43 +08:00 @yaphets666 如果理解指的是合理打分，不一定，我觉得大概率能；如果理解指的是表达机器本身的情感，目前是不行。目前机器缺乏自我认知的建立的机制，我觉得是前馈网络本身的缺陷，但目前也就前馈网络容易训练和改进。 |
 | 11 pkookp8 2021-03-29 14:44:29 +08:00 via Android |
 | 14 ch2 2021-03-29 15:03:28 +08:00 via iPhone 工整的评分标准由谁来定？这个并不是代码的问题，但是是最重要的，这个没有人解决你就什么也办不到，也会是你产品的核心竞争力，但是很遗憾，它并不在你的代码上 |
 | 15 flankechen 2021-03-29 16:38:03 +08:00 请先定义什么是工整，cost function，然后扔进网络学习就可以拉 |
 | 16 cheneydog 2021-03-29 16:42:08 +08:00 “标准版” 和 “手写版” 二值化后异或，1 面积 /总面积 为评分 |
 | 17 raaaaaar 2021-03-29 17:14:46 +08:00 via Android 找 20 个人，手动打分（狗头 |
 | 18 shuxiaokai 2021-03-29 17:14:49 +08:00 看你指定的标准是哪种字体了 |
 | 19 kergee 2021-03-30 08:36:17 +08:00 用过象辞 AI 智能练字笔套装 |
 | 20 q149072205 2021-03-30 11:37:42 +08:00 你这要有一个字体做为参照字体，不然你这识别就不标准了。。 |
Select Language