これまでのところ、文字の場所を特定し、その認識BOXの内部をクラス分類して文章を特定しようと考えていました。 この方法では、文字の場所を特定する際に、文字そのものの情報を使わないため、離れている文字、例えば「い」とかの 位置認識が悪くて、制度の改善ができずに詰まっていました。
某掲示板でぼやいたところ、超賢い人からCenterNetつかったらええやんと教えていただき、試してみたところ上手くいきそうな 気配がしてきたので、続きをスタートすることにしました。