我正在尝试实现一种算法，该算法将从标签上的几个区域（用红色标记）（类似于附加图像）和用移动相机拍摄的单张照片上的 QR 码中提取文本，因此标签的位置可能会有所不同。我正在努力选择和执行足够好的解决方案来完成它。我想知道在我的兴趣区域周围用标记框标记图像，然后将其放入一些 CNN。我遇到了一些关于文本定位的有趣论文，但我不确定它是否能很好地解决我的问题。

我将非常感谢任何帮助和建议。提前致谢 ：）