Neural network 在使用TensorFlow训练MNIST后，我们如何识别真实图像上的文本？

我刚刚运行了用于训练MNIST模型的代码。我们如何应用它来识别真实图像中的笔迹？

---

我是个新手，刚刚开始学习这部分。我已经搜索了，但找不到有关此的信息。

这取决于您的具体任务。MNIST模型可以对字符数字进行分类，因此这就是您需要输入的数据

---

如果您坚持使用MNIST模型（RNN是大多数OCR使用的更好的选择），一种方法是在手写文本图像上运行滑动窗口，并创建模型预测的字符的文本文件。但这也带来了一系列挑战，比如新颖性检测和滑动窗口大小。你必须考虑到MNIST数据集在很大程度上是一个“玩具数据集”，它只是图像识别的“Hello world！”，因此，它对现实生活中的问题不是很有用。如果你重新创建训练图像并尝试预测，你会得到好的结果，但同样，这不是一个现实生活中的问题，但可能是一个有趣的项目开始

话虽如此，也许你还不熟悉特征提取，现代卷积神经网络使用的一种技术。利用它，也许你可以从MNIST训练的模型中得到一些有用的东西。从这个意义上说会很有帮助。为了进一步了解这项技术，我强烈推荐

---

希望能有所帮助

神经网络本质上非常擅长识别你喂给它的“东西”。对于MNIST示例，您正在向它提供大量手写数字的28x28x1图像

---

因此，作为扩展，如果您想使用完全相同的手写模型（我假设您现在指的是A-Z中的字符），则必须向其提供大量28x28x1手写字符图像。

您尝试了什么？MNIST集合训练模型识别固定大小（模型输入大小）图像中的单个字符。它可以在相同大小的未知图像中找到一些字符，并假设其中只有一个字符。你的“真实形象”符合这些条件吗？如果是，只需将其输入模型。如果没有，则需要更复杂的模型，或者使用该模型按大小与输入匹配的块“扫描”图像，直到找到字符或停止。这个想法仍然很粗糙，但也许是一个开始的想法。这真的取决于你想做什么。