幻覺效應

是指系統中對初始條件的敏感依賴性，系統中一個狀態的微小變化可能會導致後續狀態的巨大差異。它與「蝴蝶效應」和「骨牌效應」有某種程度的關聯。

在 Tesseract 4.x 中觀察到這種現象

如果您的訓練文本經常以某種形式包含某個元素。

• 範例 1：一個單字經常以大寫形式 Word 出現，那麼當您使用該訓練模型來識別 word 時，它會產生幻覺並將其視為 Word。

• 範例 2：您的訓練文本經常在句子開頭或結尾包含空格。可能會導致訓練緩慢、不收斂甚至模型損壞。

結論

大多數情況下，幻覺效應是創建 traineddata 模型所使用文本的產物。

為了對抗這種效應，應該避免過度使用單一元素/形式/字符/等等。

此外，應該使用大量且多樣的文本輸入進行訓練，同時清理並刪除您認為不必要的部分，因為神經網絡也會學習模式和語言行為。