幻觉效应

是指系统对初始条件的敏感依赖性，其中系统中一个状态的微小变化会导致后续状态发生巨大差异。它与“蝴蝶效应”和“多米诺效应”有一定关联。

在 Tesseract 4.x 中观察这种现象

如果你的训练文本频繁包含某种形式的特定元素。

• 示例 1：某个单词经常以大写形式出现 Word，那么当你使用经过训练的模型识别 word 时，它就会产生幻觉并将其识别为 Word。

• 示例 2：你的训练文本中经常在句子开头或结尾包含 空格。这可能会导致训练缓慢、无法收敛甚至模型损坏。

结论

通常，幻觉效应是用于创建 traineddata 模型的文本的产物。

为了克服这种效应，应避免过度使用单个元素/形式/字符等。

此外，应使用大量多样化的文本输入进行训练，同时清理和删除你认为不必要的部分，因为 神经网络也会学习模式和语言行为。