jingxinren-CSDN博客

原创 Tesseract-OCR3.0使用

近来由于工作需要，对开源的orc引擎Tesseract做了简单的应用，需求是识别网站图片电话，如locoso、koubei、qingke800等网站针对不同的站点，采用不同的策略。简单的方法是只要对图片转格式（tif）后做一定比例的放大就可以识别（因站点而易），例如locoso的图片做200%的放大比例后，几乎可以100%识别。而对于koubei尝试了几个比例后，效果不是很理想，所以针对这个站点做了专门的训练语集，训练数据集的生成方法参见看考链接，我做的训练语集对koubei可以达到99%多

2010-12-30 22:28:00 6222 3

原创 freebsd（unxi）下thrift的安装

最近使用到thrif，简单总结一下安装过程，其实通过ports和pkg方式更方便。参考 http://blog.csdn.net/zhangxue/archive/2008/11/11/3274732.aspx操作系统环境：FreeBSD依赖库：libevent 、boost、zlib thrift：http://www.thrift-rpc.org/?p=thrift.git;a

2010-04-29 13:30:00 828

原创 linux下gdb调试之简单命令使用（一）

最近通读了一下软件调试的艺术（The art of debugging with gdb,ddd,eclipse），总体来说是一般入门级的调试用书。我个人感觉对初学gdb的有一定的作用，有愧于题目art，调试能力的提高必须通过实践。我简单的做个总结，供入门参考。主要讲了gdb的常用命令以及常见bug的调试方法。常用命令：1. 暂停机制 a.断点的使用设置断点的

2010-03-15 16:10:00 501

原创 unicode简介

unicode编码简介：最近做一个字符级别去噪的程序，接触了Unicode编码，顺便对对他做了简单的总结。Unicode字符集可以简写为UCS（Unicode Character Set），目前已到版本6.0.0，具体见参考链接。Unicode是国际组织制定的可以容纳世界上所有文字和符号的字符编码方案。Unicode用数字0-0x10FFFF来映射这些字符，最多可以容纳11141

2010-01-27 10:58:00 613

原创 java线程池访问mysql数据库

使用dbcp，可以通过线程池的方式访问数据库import org.apache.commons.dbcp.BasicDataSource;import org.apache.commons.logging.Log;import org.apache.commons.logging.LogFactory;public final class DBConnect { static Log l

2009-12-09 17:14:00 1905

原创 httpclient 学习的几点经验

httpclinet 是一个java语言开源包，支持通过http协议下载各种文件，具有良好的配置性。详细见：http://hc.apache.org/httpclient-3.x/ 。下面具体例举使用的经验（httpclient3.1）：1. 多线程 private static HttpClient hc = null; hc = new HttpClient(ne

2009-12-09 16:20:00 828

jingxinren的专栏