我们如何从图像中提取某些文本？

Question

我想从图像中提取文本。图像可能有很多文字和/或背景图像，模型可能会将其他东西误认为是主要主题。

例如，我有一个化妆品盒的图像，上面有说明（很多字）、一个标志和一个批号。我重点是获取批次代码，但模型可能已经提取了标志作为主体。

以下是提取的可能性：

1. 某些单词/短语，例如“Use by”或“Manufactured”。

2. 日期

3. 标志

我研究过 CNN 和 OCR 等模型。但是，我不确定这是否是正确的方法，因为我是 CNN 和 OCR 的新手，即使这是正确的方法，我们如何确保我们提取正确的文本，假设我有数千张图像并且没有'分成训练集和测试集？