现在我使用一些神经网络用于OCR，它产生输出符号和一些概率。我也有算法分割触摸字符。
我期望使用概率来决定何时应用分割。但现在我不能这样做了，因为我的网络有时会给出比普通角色更高的接触概率。
我也不明白分裂后发生了什么——有时正常的符号可以分裂成另外两个符号，这两个符号都比初始符号有更高的识别概率。
所以我需要决定做什么。问题是至少在理论上，神经网络能在这个意义上为OCR提供可靠的概率吗?如果可能的话，我该怎么做呢?我应该尝试处理当前输出或训练网络更多或选择另一个网络?
任何形式的帮助或建议将不胜感激
你的方法很好，如果有足够的训练数据，并且你在预处理、分割、训练等过程中消除了足够多的bug，那么你的方法最终应该是可行的。
确保你在训练集(在训练之前)分割的方式与你在测试数字时分割数字的方式完全相同。
但是请注意，机器学习产生的算法在一定的精度范围内是正确的，所以你总是会发现失败的实例。问题是您的整体测试性能有多好(例如，正确数字的百分比)，以及如何将其提高到应用程序所需的水平。
问题是神经网络至少在理论上能提供可靠的在这个意义上OCR的概率?
是的
如果这是可能的，那么我应该尝试做什么?我应该试着处理电流输出或多训练网络或选择另一个网络?
上面所有的，直到它工作!训练规模是关键因素之一，随着训练规模的扩大，你可以扩大你的网络，以提高准确性。