我们可以使用CNN/LSTM在图像中找到所需的字符串吗？或者，我们是否需要在使用CNN/LSTM提取文本后应用NLP。有人能澄清一下吗？

CNN/LSTM是深度学习中常用的模型，用于图像和文本处理。在图像中找到所需的字符串，可以通过使用CNN进行特征提取，然后使用LSTM进行序列建模来实现。

具体步骤如下：

1. 图像预处理：将图像转换为适合CNN输入的格式，通常是将图像调整为固定大小，并进行归一化处理。
2. 特征提取：使用预训练的CNN模型（如ResNet、VGG等）提取图像特征。这些模型在大规模图像数据上进行了训练，可以提取出图像中的高级特征。
3. 序列建模：将提取的图像特征输入到LSTM模型中，LSTM可以对序列数据进行建模和处理。在这里，将图像特征视为序列数据，每个特征向量作为一个时间步。
4. 字符串识别：通过训练LSTM模型，可以将图像中的字符串识别为文本。

需要注意的是，CNN/LSTM模型在图像中找到所需的字符串的效果取决于训练数据的质量和数量。如果训练数据不足或者质量较差，模型可能无法准确地找到所需的字符串。

关于是否需要在使用CNN/LSTM提取文本后应用NLP，取决于具体的应用场景和需求。如果需要对提取的文本进行进一步的语义理解、情感分析等任务，可以考虑应用NLP技术。NLP可以帮助理解文本的含义、进行文本分类、命名实体识别等任务。

腾讯云提供了一系列与深度学习相关的产品和服务，包括AI推理服务、机器学习平台等。您可以参考腾讯云的产品文档和介绍来了解更多相关信息。

参考链接：

• 腾讯云AI推理服务
• 腾讯云机器学习平台