V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
V2EX 提问指南
93html
V2EX  ›  问与答

如何从五花八门的跑步记录 APP 截图中,提取关键信息?

  •  
  •   93html · 2018-02-14 12:30:09 +08:00 · 2336 次点击
    这是一个创建于 2474 天前的主题,其中的信息可能已经有所发展或是发生改变。

    需求是实现这样一个功能:fn(图片) => { 距离: 5km, 时间: 00:30:00 }

    用"OCR+正则"的思路去做遇到的问题是:

    • 标点符号识别率低,有时会把 5.01km 识别成 501km
    • 关键信息缺少特征,比如有些软件中的时间可能是 'mm:ss' 的格式,会与手机系统时间混淆,又或者距离是纯数字的 ‘ 5 ’,而不是 '5km'

    发几张 ocr 的结果图:

    自己想到 2 个方案

    • 笨办法,针对不同软件做几个模版,对每个模版分别写正则
    • 机器学习+ocr,同样也是针对几种模板分别做训练(没了解过这方面,老铁们有推荐的工具吗?)

    大家有更好的思路吗?

    3 条回复    2020-05-24 20:46:08 +08:00
    GooMS
        1
    GooMS  
       2018-02-14 19:04:06 +08:00 via Android
    这个不是很多吧,我觉得机器学习成本要高于人工标注。
    93html
        2
    93html  
    OP
       2018-02-15 09:00:57 +08:00 via iPhone
    @GooMS 嗯,我又想到一种思路,缩小识别范围,做法是找到”公里””时间”等关键字的位置,然后选取这个位置周围 xx 个 px 之内的文字内容
    zhangyl
        3
    zhangyl  
       2020-05-24 20:46:08 +08:00
    佳明 app 的截图相对很规范,可以用模板。国内的一些 app 截图很花哨,比较麻烦。楼主还在做吗?有什么好的办法分享一下呢?谢谢
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   928 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 24ms · UTC 22:15 · PVG 06:15 · LAX 14:15 · JFK 17:15
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.