用于提升手写 OCR 性能的集成学习技术评估
计算机视觉与模式识别
2025-09-23 v1 机器学习
摘要
在 Lippert 教授研究组的 2021 年本科项目中，需要使用光学字符识别（OCR）方法对历史病历中的手写条目进行数字化。由于这些数据将在未来被使用，自然需要高度的准确性。尤其在医疗领域，这一点更为重要。集成学习是一种结合多个机器学习模型的方法，据称能够为现有方法提高准确性。出于这一原因，本文研究了集成学习与 OCR 的结合，以期为病历数字化创造附加值。研究发现，集成学习能够提升 OCR 的准确性，本文揭示了哪些方法能够实现这一提升，并发现训练数据集的大小在此并未产生影响。
引用
@article{arxiv.2509.16221,
title = {Evaluation of Ensemble Learning Techniques for handwritten OCR Improvement},
author = {Martin Preiß},
journal= {arXiv preprint arXiv:2509.16221},
year = {2025}
}