本文所述的OCR模型分为字符定位（即文本定位）和字符识别两种，根据“模型优化方法---VM算法平台篇”所介绍的：字符识别错误，大概率是由于字符定位不准导致。极少情况是由于识别的字符形态特殊，如激光焊字符，需要重点训练字符识别模型。

在做项目时，可能会遇到这种情况，即使通过“模型优化方法”系列介绍的方法：1.增加样本。2.调整标注。3.增加迭代...等等，发现字符仍无法稳定识别，定位框有较大歪斜，且loss曲线难以收敛，如下图：

那么首先要了解字符定位的功能。

从标注上来看，字符定位是通过矩形框进行标注，类似目标检测，只不过需要两边空出半个字符。

也就是说字符识别与目标检测一样，只是一种将box框传输给字符识别模块的方式，而字符识别只是对box框内的内容做预测：

通过查阅深度学习训练说明文档的内容，可知算法最低可检出占比1.31%的目标，那么字符定位应该差距不大，可以暂用2.63%来计算。

回到VM，通过自建ROI来查看字符大小，这里我习惯用像高计算：字符像高/max(样本水平分辨率，样本垂直分辨率)>2.63%。【注：当然这个数值只是一个测试参考，具体数值应当与算法规定的patch大小有关。】

计算所得为2.27%，那么这张图需要提前做裁剪（1936*1216->1350*720），以提高字符占比，然后再做相应训练，测试效果后会发现模型性能已有大幅提升。

这里最好使用VM的最新版本，目前VM4.2的字符定位模块，同时开放了置信度和平均分数，在调试的时候更方便。