用于数字液晶显示器的 Firebase MLkit 文本识别
Firebase MLkit Text recognition for digital lcd displays
我正在尝试检测下面某些设备的数字 LED 显示屏上的文本，需要帮助才能完成这项工作。我尝试了 Google 随 firebase ML 套件提供的文本检测示例，但在设备（而非云）上表现不佳。
帮助我了解如何优化设备模型的准确性。
我正在寻找有关使用 ML 套件以正确的方式进行操作的建议，或者是否有任何其他比这更容易的替代方案，如 OpenCV 等。
how to optimise the accuracy for on device model?
遗憾的是，您无法优化 ML Kit 中开箱即用 API 模型的准确性。我们将更新模型以更好地识别这些图像。
are there any other alternatives?
除非有一个库的性能达到您满意的水平，否则您将不得不训练自己的模型。您可能会从一个开源模型开始，并在没有太多数据的情况下为您自己的用例进行迁移学习。您可以查看 Tensorflow-for-poets-2 codelab for a quick tutorial on how to do this. Another option is to look at TF Hub 以轻松重用现有模型。
然后将模型部署到设备上进行推理，请查看 ML Kit 中的 using your own custom model。
我正在尝试检测下面某些设备的数字 LED 显示屏上的文本，需要帮助才能完成这项工作。我尝试了 Google 随 firebase ML 套件提供的文本检测示例，但在设备（而非云）上表现不佳。 帮助我了解如何优化设备模型的准确性。 我正在寻找有关使用 ML 套件以正确的方式进行操作的建议，或者是否有任何其他比这更容易的替代方案，如 OpenCV 等。
how to optimise the accuracy for on device model?
遗憾的是，您无法优化 ML Kit 中开箱即用 API 模型的准确性。我们将更新模型以更好地识别这些图像。
are there any other alternatives?
除非有一个库的性能达到您满意的水平，否则您将不得不训练自己的模型。您可能会从一个开源模型开始，并在没有太多数据的情况下为您自己的用例进行迁移学习。您可以查看 Tensorflow-for-poets-2 codelab for a quick tutorial on how to do this. Another option is to look at TF Hub 以轻松重用现有模型。 然后将模型部署到设备上进行推理，请查看 ML Kit 中的 using your own custom model。